MétaCan
Menu
Retour à la cohorte
Enregistrement W2051846499 · doi:10.1017/s026841600900719x

Lives in the balance? Gender, age and assets in late-nineteenth-century England and Wales

2009· article· en· W2051846499 sur OpenAlexaff
David R. Green, Alastair Owens, Josephine Maltby, Janette Rutterford

Notice bibliographique

RevueContinuity and Change · 2009
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHistorical Economic and Social Studies
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésEstateDemographic economicsBalance (ability)DutyPopulationBalance sheetHistorical demographyComposition (language)Perspective (graphical)DemographyEconomicsSociologyPolitical scienceDeveloped countryFinancePsychologyLaw

Résumé

récupéré en direct d'OpenAlex

Abstract Studies of wealth-holding in nineteenth-century Britain focus either on establishing aggregate measures or on individual case studies. These do not allow for a comparative analysis of the way that the composition of wealth was influenced by age and gender. This article explores the importance of these factors using both a case-study approach and a more comprehensive analysis of wealth left at death for a sample of 1,444 individuals. By establishing the age at death for 1,274 of these individuals, together with evidence from a series of death duty records, it is possible to determine the composition of assets by age and gender. For both men and women, shares became more important over the life course. Real estate was more important for men of all ages compared to women, for whom safe investments in government securities assumed greater significance with age. These findings confirm that both age and gender influenced the amount and composition of wealth and demonstrate that these factors need to be taken into account in any model that seeks to make generalizations about the pattern of wealth-holding in the population at large. Emphasizing these demand-side factors provides a different perspective on the rise of Britain as a ‘nation of investors’.

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)0,002
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 enseignants0,117
Score d'incertitude au seuil0,233

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,056
Tête enseignante GPT0,228
Écart entre enseignants0,172 · 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

Citations20
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContinuity and ChangeMême sujetHistorical Economic and Social StudiesTravaux en français237 207