MétaCan
Menu
Retour à la cohorte
Enregistrement W2994147229 · doi:10.1146/annurev-devpsych-121318-085221

Neighborhood Effects on Children's Development in Experimental and Nonexperimental Research

2019· article· en· W2994147229 sur OpenAlexaff
Tama Leventhal, Véronique Dupéré

Notice bibliographique

RevueAnnual Review of Developmental Psychology · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban, Neighborhood, and Segregation Studies
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésSocioeconomic statusSalientPsychologyDisadvantagePerspective (graphical)PovertyDevelopmental psychologySociologyGeographyComputer scienceEconomicsEconomic growthPopulationDemography

Résumé

récupéré en direct d'OpenAlex

Children's neighborhood contexts are defined by rising socioeconomic inequality and segregation. This article reviews several decades of research on how neighborhood socioeconomic conditions are associated with children's development. The nonexperimental literature suggests that the most salient neighborhood socioeconomic condition depends on the outcome—disadvantage for social, emotional, and behavioral outcomes and advantage for achievement-related outcomes. Moreover, children's cumulative exposure to neighborhood socioeconomic conditions over the first two decades of life, and possibly especially in childhood, may matter most for later development. These findings are partially supported by the few experimental studies available, and across study designs, neighborhood effects are typically modest. In order to improve our understanding of this topic, we recommend methodologically rigorous designs—experimental and nonexperimental—and comparative approaches, particularly ones addressing the complexities of development in neighborhood contexts. To guide this research, we provide an integrated framework that captures a broad and dynamic perspective including macro forces, neighborhood social processes and resources, physical features, spatial dynamics, and individual differences.

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)0,048
score de la tête « metaresearch » (Gemma)0,070
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,254

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0480,070
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,006
Communication savante0,0020,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
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 Opus0,039
Tête enseignante GPT0,419
Écart entre enseignants0,379 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations89
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Developmental PsychologyMême sujetUrban, Neighborhood, and Segregation StudiesTravaux en français237 207