MétaCan
Menu
Retour à la cohorte
Enregistrement W3169274816 · doi:10.1371/journal.pone.0251430

The temporal evolution of income polarization in Canada’s largest CMAs

2021· article· en· W3169274816 sur OpenAlexfundaboutno aff
Lazar Ilic, Michael Sawada

Notice bibliographique

RevuePLoS ONE · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban, Neighborhood, and Segregation Studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Ottawa
Mots-clésCensus tractPolarization (electrochemistry)Metropolitan areaCensusSpatial analysisGeographyEconomic inequalityFragmentation (computing)PopulationSpatial inequalityDemographyInequalityDemographic economicsSocioeconomicsEconomicsBiologyEcologyRemote sensingSociologyMathematics

Résumé

récupéré en direct d'OpenAlex

Income polarization is a pressing issue which is increasingly discussed by academics and policymakers. The present research examines income polarization in Canada's eight largest Census Metropolitan Areas (CMAs) using data at the census-tract (CT) level between 1971 and 2016. Generally, there are significant decreasing trends in the middle-income population with simultaneously increasing trends in low-income groups. The high-income groups have been relatively stable with fewer significant increasing population trends. Using conventional mapping and cartograms, patterns of the spatial evolution of income inequality are illustrated. Every CMA examined contains an increasing trend of spatial fragmentation at the patch level within each CMA's landscape mosaic. The results of a spatial autocorrelation analysis at the sub-patch, CT level, exhibit significant spatial clustering of high-income CTs as one process that dominates the increasingly fragmented landscape mosaic.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,101
Score d'incertitude au seuil0,332

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,034
Tête enseignante GPT0,233
Écart entre enseignants0,199 · 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.

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

Citations8
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetUrban, Neighborhood, and Segregation StudiesTravaux en français237 207