Disparities in Air Pollutants Across Racial, Ethnic, and Poverty Groups at US Public Schools
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract We investigate socioeconomic disparities in air quality at public schools in the contiguous US using high resolution estimates of fine particulate matter (PM 2.5 ) and nitrogen dioxide (NO 2 ) concentrations. We find that schools with higher proportions of people of color (POC) and students eligible for the federal free or reduced lunch program, a proxy for poverty level, are associated with higher pollutant concentrations. For example, we find that the median annual NO 2 concentration for White students, nationally, was 7.7 ppbv, compared to 9.2 ppbv for Black and African American students. Statewide and regional disparities in pollutant concentrations across racial, ethnic, and poverty groups are consistent with nationwide results, where elevated NO 2 concentrations were associated with schools with higher proportions of POC and higher levels of poverty. Similar, though smaller, differences were found in PM 2.5 across racial and ethnic groups in most states. Racial, ethnic, and economic segregation across the rural‐urban divide is likely an important factor in pollution disparities at US public schools. We identify distinct regional patterns of disparities, highlighting differences between California, New York, and Florida. Finally, we highlight that disparities exist not only across urban and non‐urban lines but also within urban environments.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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