MétaCan
Menu
Retour à la cohorte
Enregistrement W2091056955 · doi:10.1111/j.1475-4991.2007.00239.x

FAMILIES, TIME AND MONEY IN CANADA, GERMANY, SWEDEN, THE UNITED KINGDOM AND THE UNITED STATES

2007· article· en· W2091056955 sur OpenAlexaffabout
Peter Burton, Shelley Phipps

Notice bibliographique

RevueReview of Income and Wealth · 2007
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Labor, and Family Dynamics
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMicrodata (statistics)CrunchEconomicsDemographic economicsEconomic shortageWork (physics)Labour economicsWork hoursDemographyWorking hoursPopulationSociologyGovernment (linguistics)

Résumé

récupéré en direct d'OpenAlex

Using microdata from the Luxembourg Income Study, we assess “time crunch” for families with children in Canada, Germany, Sweden, the U.K. and the U.S. Both theory and empirical evidence suggest that both time and money are important inputs to the well‐being of parents and children. We present cross‐country comparisons of “total available adult hours” under different assumptions about the varying time needs of families of different size. We also present estimates of “time shortages.” In all cases, we provide separate estimates for families located at different points in the country income distributions, since being short of both time and money is likely to be particularly problematic. Although paid work hours are highest for high‐income families, we nonetheless find significant numbers of lower‐income families in which parents work very long hours in the paid labor market; this is particularly the case in the U.S.

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)0,003
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 enseignants0,398
Score d'incertitude au seuil0,242

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,018
Tête enseignante GPT0,292
Écart entre enseignants0,273 · 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

Citations35
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueReview of Income and WealthMême sujetGender, Labor, and Family DynamicsTravaux en français237 207