MétaCan
Menu
Retour à la cohorte
Enregistrement W3204449952 · doi:10.1177/23780231211031690

Disenfranchised: How Lower Income Mothers Navigated the Social Safety Net during the COVID-19 Pandemic

2021· article· en· W3204449952 sur OpenAlexaff
Sinikka Elliott, Sierra J. Satterfield, Galo Javier Luna Solórzano, Sarah Bowen, Annie Hardison‐Moody, Latasha Williams

Notice bibliographique

RevueSocius Sociological Research for a Dynamic World · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Institute of Food and AgricultureRussell Sage Foundation
Mots-clésSafety netPandemicGovernment (linguistics)Food safetyArgument (complex analysis)BusinessCoronavirus disease 2019 (COVID-19)Social protectionPolitical scienceWelfarePublic relationsEconomic growthPsychologyEconomicsMedicineDiseaseLawInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Government programs and other forms of assistance act as critical safety nets in times of crisis. The federal government’s initial response to coronavirus disease 2019 represented a significant increase in the welfare state, but the provisions enacted were not permanent and did not reach all families. Drawing on interviews with 54 lower-income mothers and grandmothers, we analyze how families navigated the safety net to access food during the pandemic. Pandemic aid served as a critical support for many families, but participants also described gaps and barriers. Following the argument that food is a basic human right, we identify how mothers encountered three forms of disenfranchisement: being denied or experiencing delayed public benefits, being afraid to access assistance, and receiving paltry or inedible emergency food. We conclude by arguing for an expanded social safety net that broadens access to necessary food resources before, during, and after crises such as the coronavirus disease 2019 pandemic.

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)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0080,004
Communication savante0,0040,004
Science ouverte0,0010,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,371
Tête enseignante GPT0,569
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 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'étudeQualitatif
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

Citations39
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocius Sociological Research for a Dynamic WorldMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207