Born Poor? Racial Diversity, Inequality, and the American Pipeline
Notice bibliographique
Résumé
The authors examine racial disparities in infants’ exposure to economic disadvantage at the family and local area levels. Using data from the 2008–2014 files of the American Community Survey, the authors provide an up-to-date empirical benchmark of newborns’ exposure to poverty. Large shares of Hispanic (36.5 percent) and black (43.2 percent) infants are born poor, though white infants are also overrepresented among the poor (17.7 percent). The authors then estimate regression models to identify risk factors and perform decompositions to identify compositional factors underlying between-race differences. Although more than half of the black-white poverty gap is explained by differences in family structure and employment, these factors account for less than one quarter of white-Hispanic differences. The results also highlight the unmet need for social protection among babies born to poor families lacking access to assistance programs and the safety net. Hispanic infants are particularly likely to be doubly disadvantaged in this manner. Moreover, large and disproportionate shares of today’s black (48.3 percent) and Hispanic (40.5 percent) babies are born into poor families and places with poverty rates above 20 percent. These results raise important questions about persistent and possibly growing racial inequality as America makes its way to a majority-minority society as early as 2043.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,016 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».