MétaCan
Menu
← Retour à la cohorte
Enregistrement W4200027836 · doi:10.1093/geroni/igab046.149

Political Context and Political Participation Across the Lifespan in Africa

2021· article· en· W4200027836 sur OpenAlexaff
Eugene Emeka Dim, Markus H. Schafer

Notice bibliographique

RevueInnovation in Aging · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAging, Elder Care, and Social Issues
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPoliticsContext (archaeology)OppressionPolitical sciencePolitical economyDemographic economicsDevelopment economicsSociologyEconomicsGeographyLaw

Résumé

récupéré en direct d'OpenAlex

Abstract Gerontologists have long documented how age is associated with political participation. However, few studies have considered how macrocontextual factors shape participation across the life span. Moreover, very few studies have dealt with political engagement and aging in emerging democracies, including those in Africa. This study addresses those gaps, integrating the most recent three waves of Afrobarometer survey data (2011–2018) with country-level data from the freedom house (i.e. freedom index). Findings reveal that, at the individual level, an age gap widens for engagement in protests and shrinks for electoral and non-electoral political participation. When the political context is considered, however, we find that political freedom softens the drop-off of protest behavior at later ages. For electoral and non-electoral political participation, we find that freer countries lessen the expected growth in engagement across the life span. The study implies that political oppression shapes the links between age and political behaviour, but the processes seem different depending on whether they are engaging in risky (where the age gap widens) or non-risky (where the age gap shrinks) political forms of engagement.

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)0,004
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 enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,098
Tête enseignante GPT0,458
Écart entre enseignants0,360 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in Aging→Même sujetAging, Elder Care, and Social Issues→Travaux en français237 207→