MétaCan
Menu
Retour à la cohorte
Enregistrement W2104500861 · doi:10.1553/populationyearbook2005s83

Does Postponement Explain the Trend to Later Childbearing in France?

2006· article· en· W2104500861 sur OpenAlexaboutno aff
Máire Ní Bhrolcháin

Notice bibliographique

RevueVienna Yearbook of Population Research · 2006
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFertilityPostponementProductivityGeographyPopulationPopulation ageingDemographic economicsDemographyPolitical scienceEconomicsSociologyEconomic growth

Résumé

récupéré en direct d'OpenAlex

Contents: Will Population Ageing Decrease Productivity? Symposium on Population Ageing and Economic Productivity, December 2-4, 2004, Vienna Institute of Demography; Alexia Prskawetz: Background and Summary of Discussion; Vegard Skirbekk: Productivity Decreases with Age; Thomas Lindh: Productivity is a System Property and Need Not Decrease with the Age of Workforce; M. N. Bhrolcháin and L. Toulemon: Does Postponement Explain the Trend to Later Childbearing in France?; C. Bühler and D. Philipov: Social Capital Related to Fertility: Theoretical Foundations and Empirical Evidence for Bulgaria; Tomás Sobotka, Maria Winkler-Dworak, Maria Rita Testa, Wolfgang Lutz, Dimiter Philipov, Henriette Engelhardt, and Richard Gisser: Monthly Estimates of the Quantum of Fertility: Towards a Fertility Monitoring System in Austria; A. Prskawetz and B. Zagaglia: Second Births in Austria; Martin Spielauer: Concentration of Reproduction in Austria: General Trends and Differentials by Educational Attainment and Urban-Rural Setting; F. Trovato: Narrowing Sec Differential in Life Expectancy in Canada and Austria: Comparative analysis; R. Kronberger: Welche Bedeutung hat eine alternde Bevölkerung für das österreichische Steueraufkommen?; W. Lutz and S. Scherbov: Will Population Ageing Necessarily Lead to an Increase in the Number of Persons with Disabilities?; Recent Demographic Trends in Austria (R. Gisser); Fertility in Austria: An Overview (T. Sobotka)

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 enseignants0,097
Score d'incertitude au seuil0,192

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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 Opus0,077
Tête enseignante GPT0,501
Écart entre enseignants0,425 · 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

Citations22
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVienna Yearbook of Population ResearchMême sujetGlobal Health Care IssuesTravaux en français237 207