MétaCan
Menu
Retour à la cohorte
Enregistrement W2030380967 · doi:10.1007/s13524-015-0371-8

Ethnic Variations in Immigrant Poverty Exit and Female Employment: The Missing Link

2015· article· en· W2030380967 sur OpenAlexafffundabout
Lisa Kaida

Notice bibliographique

RevueDemography · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesCanadian Institutes of Health ResearchSocial Sciences and Humanities Research Council of CanadaMemorial University of NewfoundlandUniversity of Toronto
Mots-clésImmigrationPovertyDemographic economicsEthnic groupSurvey data collectionMultivariate probit modelProbit modelDemographyGeographyEconomicsPolitical scienceSociologyEconomic growthEconometrics

Résumé

récupéré en direct d'OpenAlex

Despite widespread interest in poverty among recent immigrants and female immigrant employment, research on the link between the two is limited. This study evaluates the effect of recently arrived immigrant women's employment on the exit from family poverty and considers the implications for ethnic differences in poverty exit. It uses the bivariate probit model and the Fairlie decomposition technique to analyze data from the Longitudinal Survey of Immigrants to Canada (LSIC), a nationally representative survey of immigrants arriving in Canada, 2000-2001. Results show that the employment of recently arrived immigrant women makes a notable contribution to lifting families out of poverty. Moreover, the wide ethnic variations in the probability of exit from poverty between European and non-European groups are partially explained by the lower employment rates among non-European women. The results suggest that the equal earner/female breadwinner model applies to low-income recent immigrant families in general, but the male breadwinner model explains the low probability of poverty exit among select non-European groups whose female employment rates are notably low.

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)0,003
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,047
Tête enseignante GPT0,321
Écart entre enseignants0,274 · 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

Citations23
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueDemographyMême sujetMigration and Labor DynamicsTravaux en français237 207