MétaCan
Menu
Retour à la cohorte
Enregistrement W2175437555 · doi:10.5539/jsd.v8n8p262

The Impact of Housing Conditions on the Emotion, Behaviour, and Psychological Wellbeing of Middle-Income Groups

2015· article· en· W2175437555 sur OpenAlexvenueno aff
Shadiya Mohamed Saleh Baqutayan, Fauziah Raji, Aini Suzana Ariffin

Notice bibliographique

RevueJournal of Sustainable Development · 2015
Typearticle
Langueen
DomainePsychology
ThématiquePsychological Well-being and Life Satisfaction
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Teknologi Malaysia
Mots-clésAffect (linguistics)Kuala lumpurPsychological healthPsychologySocioeconomicsMeaning (existential)Middle incomeDescriptive statisticsDemographic economicsEconomic growthBusinessSociologyEconomicsMarketingClinical psychology

Résumé

récupéré en direct d'OpenAlex

Housing remains a major problem for most, especially for the bottom billions; satisfaction on housing is one of the important indicators that reflect the societal wellbeing. This paper provides a meaning and understanding for the relationship between housing conditions and wellbeing; therefore, it evaluates the impact of housing conditions on the emotion, behaviour and psychological wellbeing of middle-income group in Malaysia. In fact, the housing conditions in this research include home size, housing features, as well as safety and security. Respondents of 390 were randomly selected from those middle-income houses in Kuala Lumpur and Johor Bahru (Skudai). The accumulated data were then analysed and descriptive statistics were used to interpret and evaluate the impact of housing condition on wellbeing. The finding showed small but significant positive relationship between housing conditions and psychological wellbeing. However, housing conditions is the contributing factors, which negatively affect the behaviour and attitude of middle-income group children. Overall, this research supports the critical link between good housing condition that is decent, safe, secure, and affordable and positive health outcome.

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)0,002
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 enseignants0,186
Score d'incertitude au seuil0,319

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,056
Tête enseignante GPT0,346
Écart entre enseignants0,290 · 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

Citations9
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetPsychological Well-being and Life SatisfactionTravaux en français237 207