MétaCan
Menu
Retour à la cohorte
Enregistrement W3034867408 · doi:10.1093/jeea/jvaa026

Choosing Ethnicity: The Interplay Between Individual and Social Motives

2020· article· en· W3034867408 sur OpenAlexfundno aff
Ruixue Jia, Torsten Persson

Notice bibliographique

RevueJournal of the European Economic Association · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesH2020 European Research CouncilVetenskapsrådetCanadian Institute for Advanced Research
Mots-clésEthnic groupIncentiveComplementarity (molecular biology)Norm (philosophy)Social identity theorySocial psychologyIdentity (music)Public economicsPolitical scienceEconomicsDemographic economicsSociologyPsychologyMicroeconomicsSocial groupLaw

Résumé

récupéré en direct d'OpenAlex

Abstract This paper studies how material incentives and social norms shape ethnic identity choices in China. Provincial policies give material benefits to minorities, which consequently affect the ethnicity choices for children in ethnically mixed marriages. We formalize the ethnic identity choice in a simple framework, which highlights the interaction of (i) material benefits stemming from ethnic policies, (ii) identity costs associated with breaking the norm of following the father’s ethnicity, and (iii) social reputations altering the importance of identity costs. Consistent with the model, we find that ethnic policies increase the propensity to break the prevailing norm for mixed families with minority mothers. Moreover, the impact of ethnic policies is larger in localities where more such families follow the norm. More broadly, our study shows (1) how government policies can shape identity choices and (2) how one can allow for both complementarity and substitutability between individual and social motives in empirical analyses.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,007
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,028
Tête enseignante GPT0,291
Écart entre enseignants0,262 · 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'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

Citations29
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the European Economic AssociationMême sujetMigration and Labor DynamicsTravaux en français237 207