MétaCan
Menu
Retour à la cohorte
Enregistrement W3204003943 · doi:10.1215/00703370-9519043

Unequal From the Start? Poverty Across Immigrant Generations of Hispanic Children

2021· article· en· W3204003943 sur OpenAlexaff
Brian C. Thiede, Matthew M. Brooks, Leif Jensen

Notice bibliographique

RevueDemography · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensMcGill University
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human Development
Mots-clésPovertyImmigrationDemographyPopulationEthnic groupCurrent Population SurveyCensusInequalityGeographyDemographic economicsPolitical scienceSociologyEconomic growthEconomics

Résumé

récupéré en direct d'OpenAlex

Recent cohorts of U.S. children increasingly consist of immigrants or the immediate descendants of immigrants, a demographic shift that has been implicated in high rates of child poverty. Analyzing data from the 2014-2018 Current Population Survey and using the U.S. Census Bureau's Supplemental Poverty Measure, we describe differences in child poverty rates across immigrant generations and assess how these disparities are rooted in generational differences in the prevalence and impact of key poverty risk factors. Our estimates show that poverty rates among Hispanic children are very high, particularly among first-generation children and second-generation children with two foreign-born parents. Low family employment is the most significant risk factor for poverty, but the prevalence of this risk varies little across immigrant generations. Differences in parental education account for the greatest share of observed intergenerational disparities in child poverty. Supplemental comparisons with third+-generation non-Hispanic White children underscore the disadvantages faced by all Hispanic children, highlighting the continued salience of race and ethnicity within the U.S. stratification system. Understanding the role of immigrant generation vis-à-vis other dimensions of inequality has significant policy implications given that America's population continues to grow more diverse along multiple social axes.

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)0,003
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 enseignants0,050
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
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 Opus0,013
Tête enseignante GPT0,276
Écart entre enseignants0,263 · 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

Citations26
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDemographyMême sujetMigration and Labor DynamicsTravaux en français237 207