MétaCan
Menu
Retour à la cohorte
Enregistrement W4205169833 · doi:10.1553/0x003d0a9e

Fertility in Austria: Past, Present and the Near Future

2021· article· en· W4205169833 sur OpenAlexaboutno aff
Tomáš Frejka, Jean‐Paul Sardon

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueFamily Dynamics and Relationships
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFertilityQuarter (Canadian coin)DemographyContext (archaeology)Sub-replacement fertilityTotal fertility ratePopulationGeographyBirth ratePopulation ageingHistoryPolitical scienceDemographic economicsSociologyFamily planningEconomicsResearch methodology

Résumé

récupéré en direct d'OpenAlex

In the European context Austria’s population has a tradition of lowfertility. Between the world wars of the 20th century Austria had the lowestfertility in Europe. It recovered most notably during the 1950s and early 1960s,but has been declining ever since. Contemporary childbearing trends and patternsare characterised by a continuing delay in childbearing which started with womenborn in the late 1940s. Women born during the 1970s had lower fertility than anyprevious cohorts. Whether they were postponing their births and/or many of themdeciding not to have any children remains to be seen. In the cohorts of the mid- tolate 1960s only about three-quarters of all women had a first birth and aroundone-quarter of Austrian women remained childless. This is one of the highestknown proportions of childless women in Europe. At the turn of the century idealand actual expected family size were among the lowest in Europe, 1.7 and 1.5children per couple, respectively. Childbearing behaviour of its young inhabitantssuggests that Austria will reassume the tradition of having one of the lowestfertility levels in Europe during the initial years, possibly decades, of the 21stcentury. If these low fertility levels were to persist, a considerable decline inpopulation size as well as rapid population ageing are inevitable implying theneed for societal and policy adjustments.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,600
Score d'incertitude au seuil0,384

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,021
Tête enseignante GPT0,284
Écart entre enseignants0,262 · 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFamily Dynamics and RelationshipsTravaux en français237 207