MétaCan
Menu
Retour à la cohorte
Enregistrement W2811079539 · doi:10.1080/1369183x.2018.1489223

Closed doors everywhere? A meta-analysis of field experiments on ethnic discrimination in rental housing markets

2018· article· en· W2811079539 sur OpenAlexaboutno aff
Katrin Auspurg, Andreas Schneck, Thomas Hinz

Notice bibliographique

RevueJournal of Ethnic and Migration Studies · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueNames, Identity, and Discrimination Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEthnic discriminationEthnic groupStatistical discriminationRacismRentingField (mathematics)Meta-analysisAuditDemographic economicsInequalityAge discriminationEconomicsSociologyEconometricsPolitical scienceLabour economicsLawAccounting

Résumé

récupéré en direct d'OpenAlex

Discrimination is long seen as a meaningful factor for ethnic inequalities on rental housing markets. Yet empirically, the extent of discrimination is still debatable. For the first time, this article provides a quantitative meta-analysis of field experiments (in person audits and correspondence tests) that were run over the last four decades in the United States, Canada and Europe (N = 71). Special focus is given to a possible inflation of effect sizes by publication bias; to time trends; and to evidence for statistical discrimination. Taken together, nearly all experiments document the occurrence of ethnic discrimination. Effect sizes are inflated by publication bias, but there is still substantial evidence left once the bias is removed. The analysis reveals a consistent decline in the extent of discrimination over time, from moderate levels of discrimination in the 1970s and 1980s, up to only small but still statistically significant levels in the 1990s and 2000s. A significant part of the discriminatory behaviour can be attributed to missing information about the social status of applicants, which supports theories on statistical discrimination. It is discussed how future research could move our knowledge on the underlying mechanisms forward.

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)0,082
score de la tête « metaresearch » (Gemma)0,176
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil0,434

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0820,176
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0080,024
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,002
Communication savante0,0040,003
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,359
Tête enseignante GPT0,517
Écart entre enseignants0,158 · 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'étudeMéta-analyse
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

Citations227
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Ethnic and Migration StudiesMême sujetNames, Identity, and Discrimination ResearchTravaux en français237 207