MétaCan
Menu
Retour à la cohorte
Enregistrement W4288801768 · doi:10.31235/osf.io/t657q

Multigenerational Living and Children’s Risk of Living in Unaffordable Housing: Differences by Ethnicity and Parents’ Marital Status

2022· preprint· en· W4288801768 sur OpenAlexaboutno aff
Kate H. Choi, Sagi Ramaj

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueUrban, Neighborhood, and Segregation Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEthnic groupSocioeconomic statusOddsDisadvantageMarital statusDemographyHousehold incomeCensusHousing tenureGerontologyMedicineGeographyLogistic regressionDemographic economicsSociologyPolitical sciencePopulationEconomics

Résumé

récupéré en direct d'OpenAlex

A growing share of Canadian households are living in unaffordable housing (i.e., spending 30% or more of their pre-tax income on housing costs). During this time, the prevalence of multigenerational living has also increased. Ethnic minority families are more likely than White families to live in multigenerational households. These trends raise the questions: (a) is multigenerational living a strategy for families to navigate the housing affordability crisis? (b) do ethnic minority children benefit more from multigenerational living than their White peers? Using confidential data from the 2016 Canadian Census, we examine how multigenerational living shapes the housing experiences of children under the age of 16. Multigenerational living is associated with consistent reductions in children’s odds of living in unaffordable housing. Yet, for those in single-parent families, this protective association is largest among White children. For those in dual-parent families, this protective association is largest among Black children. Socioeconomic disadvantage and a greater propensity for three-generation families to reside in metropolitan areas with expensive housing appear to suppress the benefits emerging from multigenerational living.

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 enseignants0,789
Score d'incertitude au seuil0,425

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,028
Tête enseignante GPT0,284
Écart entre enseignants0,255 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUrban, Neighborhood, and Segregation StudiesTravaux en français237 207