MétaCan
Menu
Retour à la cohorte
Enregistrement W2267744417

Are Urban Youth More Modern? Spatially Based Differentiation, Home Leaving, and Transition Outcomes in Gatineau, Rouyn-Noranda, and Saguenay

2009· article· en· W2267744417 sur OpenAlexaffvenueabout
Marc Molgat, Patrice LeBlanc, M. Simard

Notice bibliographique

RevueJournal of rural and community development · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Sciences and Governance
Établissements canadiensUniversité du Québec à ChicoutimiUniversité du Québec en Abitibi-TémiscamingueUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMetropolitan areaSocioeconomic statusGeographyStructuringResource (disambiguation)Life course approachEconomic geographySociologySocioeconomicsRegional scienceDemographyPolitical scienceArchaeologyPsychologyPopulationDevelopmental psychology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This article focuses on an interesting question for studies of youth and regional development: How are the transitions and social integration of young people shaped by the localities and spaces they are brought up in and through which they pass on their way to adulthood? Using social differentiation theory, our study focuses on how the socioeconomic and historic structuring of regions and individual mobility may leave imprints on the life course of young adults. We examine this issue from the angle of the transitions to adulthood of migrant and nonmigrant youth who live in the cities of two region types: metropolitan or urban fringe environments and resource- and agriculture-dependent regions. The analysis is based on survey data collected from young adults aged 20 to 29 years (N = 1,202) living in Gatineau, Rouyn-Noranda, and Saguenay in the Province of Quebec. Results show not only that metropolitan youth are not more “modern” than their regional counterparts but also that youth mobility has effects on the locales under study.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,653
Score d'incertitude au seuil0,690

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,025
Tête enseignante GPT0,268
Écart entre enseignants0,243 · 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

Citations1
Publié2009
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of rural and community developmentMême sujetSocial Sciences and GovernanceTravaux en français237 207