MétaCan
Menu
Retour à la cohorte
Enregistrement W1998355982 · doi:10.1111/j.1533-8525.2009.01158.x

Residential Stability, Neighborhood Racial Composition, and the Subjective Assessment of Neighborhood Problems Among Older Adults

2009· article· en· W1998355982 sur OpenAlexaff
Scott Schieman

Notice bibliographique

RevueSociological Quarterly · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban, Neighborhood, and Segregation Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSocioeconomic statusContext (archaeology)PsychologyPerceptionRace (biology)Racial compositionSocial psychologyPoison controlSample (material)Fear of crimeDisadvantageDemographyPopulationSociologyGeographyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

This study investigates the effects of neighborhood racial composition and residential stability—as measured by the percentage of individuals who have lived in the same location for the past five years—on perceived neighborhood problems. Among a sample of older black and white adults, findings indicate that the patterns are contingent upon residents' race. For whites who reside in neighborhoods with a low percentage of black residents, greater residential stability is associated with fewer perceived neighborhood problems net of individual- and neighborhood-level disadvantage. For blacks, greater residential stability is associated with fewer neighborhood problems, but the percentage of black residents is associated with more neighborhood problems. In both cases, individual- and neighborhood-level socioeconomic disadvantages contribute to those patterns. These findings have implications for theories about the personal and social effects of residential stability and neighborhood racial composition, as well as race differences in the links between neighborhood context and the subjective assessment of neighborhood problems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,297
Écart entre enseignants0,280 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSociological QuarterlyMême sujetUrban, Neighborhood, and Segregation StudiesTravaux en français237 207