Masculinity Attitudes Across Rural, Suburban, and Urban Areas in the United States
Notice bibliographique
Résumé
This article uses the 2011–2019 National Survey of Family Growth to explore how masculinity attitudes differ by rural, suburban, and urban contexts across three social axes: sexual identity, race/ethnicity, and education. It examines within-group differences based on spatial context among 17,944 men aged 15–44 who are straight, gay/bisexual, Black, white, and Latino, as well as among men with less than a bachelor’s, a bachelor’s, and more than a bachelor’s. This contributes to existing knowledge in several ways: it is the first project to build on important qualitative studies through the use of a nationally representative sample; it contributes to the scarce research on how rural gay/bisexual, Black, and Latino men understand masculinity; and it examines how education shapes the relationship between spatial context and attitudes about masculinity. Results indicate that spatial context has a stronger relationship to attitudes among white men, straight men, and men without a bachelor’s than among Black men, Latino men, gay/bisexual men, or men with a bachelor’s or above. Theoretically, what this shows is that spatial context is more strongly related to masculinity attitudes for men who are advantaged on the basis of sexuality or race than for men who are marginalized on these axes. When significant differences emerged, rural men were more conservative than urban and suburban men, and suburban men were more conservative than urban men. These results show that there is a relationship between spatial contexts and attitudes about masculinity, but that it depends on social identity and level of education.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».