MétaCan
Menu
Retour à la cohorte
Enregistrement W2046879152 · doi:10.1068/a34211

Geographic Mobility and Residential Instability in Impoverished Rural Illinois Places

2005· article· en· W2046879152 sur OpenAlexaff
Matt Foulkes, K. Bruce Newbold

Notice bibliographique

RevueEnvironment and Planning A Economy and Space · 2005
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban, Neighborhood, and Segregation Studies
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésRentingGeographic mobilityGeographyPovertyCensusRural areaDemographic economicsLocationDistribution (mathematics)Economic growthSocioeconomicsEconomic geographySociologyDemographyEconomicsPolitical sciencePopulation

Résumé

récupéré en direct d'OpenAlex

Impoverished rural places are often depicted as immobile communities populated by less skilled, less educated nonmovers who have been left behind by selective out-migrants. Yet certain poor rural localities exhibit high rates of in-migration and residential mobility, an underresearched phenomenon not easily explained by conventional migration theory. The authors explore factors associated with high rates of geographic mobility in impoverished rural localities in Illinois. With the aid of place data from the 2000 Census, the authors test a hypothesized model of geographic mobility within rural impoverished Illinois places. In addition to factors commonly found in the residential mobility literature, such as age distribution, employment security, and life stage, the model also tests the effects of various indicators of housing costs and housing supply on geographic mobility rates in poor and nonpoor places. The results indicate that, after controlling for age structure and household type, accessible housing in the form of rental housing is strongly associated with high mobility rates, though the overall fit of the models is better for nonpoor places. These findings raise questions regarding whether geographic mobility in impoverished places behaves according to long-standing theory, and have implications for policies for tackling rural development, housing, and poverty issues.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,063
Score d'incertitude au seuil0,442

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,234
Écart entre enseignants0,222 · 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 tête enseignante, 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
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Planning A Economy and SpaceMême sujetUrban, Neighborhood, and Segregation StudiesTravaux en français237 207