Public Attributions for Poverty in Canada*
Notice bibliographique
Résumé
Les auteurs de cet article décrivent les caractéristiques sociales de la pauvreté en utilisant des données d'interviews téléphoniques effectuées en 2002 au moyen d'un échantillon aléatoire d'adultes sélectionnéà partir de huit voisinages à Toronto et Edmonton, enrichi par des données d'interviews. Une régression logistique multivariée a été utilisée afin de prédire l'attribution des caractéristiques structurelles, individualistes, intergénérationnelles et fatalistes à la pauvreté, en se servant de variables démographiques et de la variable exposition à la pauvreté. Les participants étaient plus susceptibles d'expliquer la pauvreté par des causes structurelles et moins susceptibles de favoriser une explication individualiste. Le revenu a été associé négativement à des déterminants individualistes, fatalistes et à une des causes structurelles, et lié positivement au facteur intergénérationnel. This paper describes public attributions for poverty using data from telephone interviews conducted in 2002 with a random sample of adults from eight neighbourhoods in Toronto and Edmonton, supplemented with interview data. Multivariate logistic regression was used to predict support for structural, individualistic, intergenerational and fatalistic attributions for poverty by demographic and exposure-to-poverty variables. Participants were most likely to attribute poverty to structural causes and least likely to favour individualistic attributions. Income was negatively associated with individualistic, fatalistic and one of the structural attributions, and positively related to the intergenerational attribution.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».