MétaCan
Menu
Retour à la cohorte
Enregistrement W2970072741

Using Census Data to Measure Wealth Inequality In Nineteenth-Century Detroit (1850-1870)

2018· article· en· W2970072741 sur OpenAlexaboutno aff
T. A. Cragg

Notice bibliographique

RevueScholarship at UWindsor (University of Windsor) · 2018
Typearticle
Langueen
DomaineMathematics
ThématiqueCensus and Population Estimation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCensusInequalityMeasure (data warehouse)GeographyEconomicsRegional scienceSociologyDemographyPopulationComputer scienceMathematicsData mining
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

During the nineteenth century, the social structure of Detroit included a very high level of wealth inequality.Analysis of data contained in U.S. census schedules for the years 1850, 1860 and 1870 discloses a skewed wealth distribution for nineteenth-century Detroit, in which the top one percent of the city's families controlled over forty percent, and the top ten percent of families controlled over eighty percent, of the city's total wealth.At the same time, the bottom fifty percent owned next to nothing.The census data analysis also indicates that Detroit's wealth patterns matched those of other large nineteenth-century U.S. and Canadian cities, in particular those of its Great Lakes neighbors.The historian Robert Manning has called the need to collect historical data, in particular on inequality, the "single greatest challenge in global social-science research." 1 As such, the discussion that follows seeks to address this data need in a small way by introducing new datasets for one major northern U.S. city.In addition, the overall analysis provides a backdrop for understanding Detroit's larger political, economic, social and cultural history.Wealth inequality has become a hotly debated topic within academic and political communities.The dramatic concentration of wealth over the last forty years increasingly draws comparisons with the reviled Gilded Age.Research conducted by the French political economist Thomas Piketty sits at the center of the ongoing debate.Piketty's thesis rests on the belief that when "the rate of return on capital exceeds the rate of growth of output and income, as it did in the nineteenth century and seems quite likely to do so again in the twenty-first, capitalism automatically generates arbitrary and unsustainable inequalities that radically undermine the meritocratic values on which democratic societies are based." 2 At the same time, Piketty argues

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,032
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
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 Opus0,259
Tête enseignante GPT0,366
Écart entre enseignants0,108 · 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.

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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholarship at UWindsor (University of Windsor)Même sujetCensus and Population EstimationTravaux en français237 207