Comparative Patterns of Interracial Marriage: Structural Opportunities, Third-party Factors, and Temporal Change in Immigrant Societies
Notice bibliographique
Résumé
Using census data, we compare patterns of interracial marriage in six different contexts where immigration has played a central role in population composition. We use Kalmijn’s (1998) general theoretical perspective that emphasizes how opportunity structures and third-party factors affect inter-group marriage rates. More specifically, we hypothesize that rates of intermarriage are influenced by: (1) structural opportunities as reflected by the history of inequality, segregation, and racial oppression, (2) third-party interests such as cultural and linguistic differences, and (3) societal trends that reflect choices in the formation of intimate relationships and racial equality. We use age as a surrogate for the trends over time. We first estimate log-linear models to gauge the extent of overall homogamy and race specific homogamy in each cultural setting. We then use multinomial logistic regression to evaluate age differences. Cross- cultural differences in rates of intermarriage are substantial. Intermarriage is more common in societies where structural opportunities for contact are high and third-party interests low (Hawaii and New Zealand), almost non-existent among some groups in societies where the strong inter-group tensions remain, (Xinjiang Province, China and South Africa), and intermediate in societies with moderate degrees of opportunities and third-party interests (United States and Canada). Age is generally negatively associated with intermarriage, with some interesting exceptions. Interracial marriage in general is becoming more common in the arenas we examine.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».