MétaCan
Menu
← Retour à la cohorte
Enregistrement W2103438180 · doi:10.1093/ijpor/edu023

Examining How Communication and Demographic Factors Relate to Attitudes Toward Legalization of Same-Sex Marriage in Singapore

2014· article· en· W2103438180 sur OpenAlexaboutno aff
Chitra Panchapakesan, Li Li, Simon S. M. Ho

Notice bibliographique

RevueInternational Journal of Public Opinion Research · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueLGBTQ Health, Identity, and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLegalizationPolitical scienceDemographic economicsDemographyPsychologySocial psychologySociologyEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

The controversial issue of same-sex marriage has sparked debates on political, social, moral, and religious fronts in many countries (Duggan, 2008). As of March 2013, 11 countries, including Canada and Denmark, as well as several regions in Brazil and the United States, have legally accepted same-sex marriages (Stritof & Stritof, 2013). However, same-sex marriage is illegal in most Asian countries, such as Japan and China (Koh, 2012). Similarly, same-sex marriages are not allowed in Singapore, under Section 377A of the Singapore Penal Code, which criminalizes sexual relations between adult men (Outrages on decency, 1985). The debate on same-sex marriages has been ongoing within the island-state (Koh, 2012; Lai, 2013). In 2011, the annual “Pink Dot” event in Singapore attracted over 10,000 people to advocate sexual freedom (Tan, 2011). Supporters of gay rights have called for a repeal of Section 377A in 2007 when the bill to amend sections of the Penal Code was debated in the Singapore parliament (Li, 2007). However, the majority of the Singaporean public hold negative attitudes toward lesbian and gay men (Detenber et al., 2007) and were against legalization of same-sex marriages in Singapore (Ho, Chen, & Sim, 2013). Furthermore, positive portrayals of lesbian and gay men lifestyles are discouraged in traditional media, in part, due to conservative public opinion and values (Radcliffe, 2008).

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)0,002
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 enseignants0,020
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
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 savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,299
Tête enseignante GPT0,496
Écart entre enseignants0,197 · 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

Citations19
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Public Opinion Research→Même sujetLGBTQ Health, Identity, and Policy→Travaux en français237 207→