Isolation, cohesion and contingent network effects: the case of school attachment and engagement
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 Isolation and cohesion are two key network features, often used to predict outcomes like mental health and deviance. More cohesive settings tend to have better outcomes, while isolates tend to fare worse than their more integrated peers. A common assumption of past work is that the effect of cohesion is universal, so that all actors get the same benefits of being in a socially cohesive environment. Here, we suggest that the effect of cohesion is universal only for specific types of outcomes. For other outcomes, experiencing the benefits of cohesion depends on an individual’s position in the network, such as whether or not an individual has any social ties. Network processes thus operate at both the individual and contextual level, and we employ hierarchical linear models to analyze these jointly to arrive at a full picture of how networks matter. We explore these ideas using the case of adolescents in schools (using Add Health data), focusing on the effect of isolation and cohesion on two outcomes, school attachment and academic engagement. We find that cohesion has a uniform effect in the case of engagement but not attachment. Only non-isolates experience stronger feelings of attachment as cohesion increases, while all students, both isolates and non-isolates, are more strongly engaged in high cohesion settings. Overall, the results show the importance of taking a systematic, multi-level approach, with important implications for studies of health and deviance.
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 | 0,001 | 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 | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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