MétaCan
Menu
Retour à la cohorte
Enregistrement W2136799686 · doi:10.1177/0160017610375443

The Spatiality and Cost of Language Identity

2010· article· en· W2136799686 sur OpenAlexaffabout
Diana Mok

Notice bibliographique

RevueInternational Regional Science Review · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban, Neighborhood, and Segregation Studies
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésIdentity (music)SociologySocial identity approachGovernment (linguistics)Social identity theorysortCensusSocial capitalEconometricsGeographyEconomicsSocial groupPublic economicsSocial scienceLinguisticsMathematicsDemography

Résumé

récupéré en direct d'OpenAlex

The study uses Social Identity Theory as a framework to explain how language acts as a source of social identity and motivates individuals to sort themselves by residential location. To assess the validity of the framework, the study tests the hypotheses that group size, geography, and institutions matter in the preservation of language identity, using the 1991, 1996 and 2001 census data for urban Montreal, Toronto and Vancouver, Canada. The study models a system of three simultaneous equations that describe changes in property values and mobility of language groups, accounting for the presence of spatial lag and spatial error. The study estimates the model by generalized spatial two-stage least squares (Kelejian and Prucha, 1998). The results of the study show that, while residential segregation by language could be a cognitive behaviour, people’s search for language identity within a social group is influenced by economic opportunities in terms of capital gains in properties; it is also affected by proximity to peers and by government policies favouring language-based activities.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,941
Score d'incertitude au seuil0,837

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,044
Tête enseignante GPT0,424
Écart entre enseignants0,380 · 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'étudeSans objet
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

Citations3
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Regional Science ReviewMême sujetUrban, Neighborhood, and Segregation StudiesTravaux en français237 207