Lifetime trajectories of socio-economic adversity and their associations with psychosocial factors and attitudes towards social class
Notice bibliographique
Résumé
Scientific understanding of the associations between socio-economic adversity and other domains such as health and psychosocial functioning may be improved by employing extensive, prospective life course data to model inter-individual heterogeneity in socio-economic trajectories. This study applied Latent Class Growth Analysis to derive a typology of trajectories of socio-economic adversity, and compared the psychosocial profiles of the groups based on this typology. Data were used from 2,950 men and women participating in the MRC National Survey of Health and Development in Great Britain, ascertained prospectively since birth in 1946 until age 53. Trajectories of socio-economic adversity were based on indicators of occupational class, overcrowding, housing tenure, household amenities and financial hardship at ages 4, 11, 15, 36, 43 and 53, and education at age 26. Psychosocial factors included parental interest in education, self-management, neuroticism and attitudes towards social class and social mobility. Seven distinct trajectories were identified: persistent high; persistent low; strongly declining; gradually declining; increasing; early childhood; and relapsing high adversity. Key findings include that those with increasing adversity had high parental interest in education but low self-management and high neuroticism; that those with only early childhood adversity had a less favourable psychosocial profile than those with persistent low exposure; and that groups with declining adversity had relatively favourable attitudes towards education. Findings emphasise the need to consider socio-economic and personality mechanisms in the context of one another in order to better understand later life inequality.
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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 ».