MétaCan
Menu
Retour à la cohorte
Enregistrement W4364354467 · doi:10.1080/00324728.2023.2181383

Increases in child marriage among the poorest in Mali: ‘Reverse policies’ or data quality issues?

2023· article· en· W4364354467 sur OpenAlexfundno aff
Ewa Batyra, Luca Maria Pesando

Notice bibliographique

RevuePopulation Studies · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research CouncilWeatherhead Center for International Affairs, Harvard UniversitySocial Sciences and Humanities Research Council of CanadaHorizon 2020 Framework ProgrammeMax-Planck-GesellschaftJacobs FoundationUniversity of PennsylvaniaYork UniversityMcGill UniversityNew York University Abu DhabiNational Science Foundation
Mots-clésChild marriageData collectionDemographic economicsDeveloping countryEconomic growthDemographyPsychologySocioeconomicsDevelopment economicsPolitical scienceEconomicsSociologySocial science

Résumé

récupéré en direct d'OpenAlex

Child marriage is associated with adverse outcomes related to women’s well-being. Many countries have introduced laws banning this practice, and a number of studies have evaluated their impact. Scant research has focused on instances where countries have lowered the legal minimum age at marriage, even though such ‘reverse policies’ could result in stalled or uneven progress in eradicating child marriage. Using visualization techniques, regression analyses, and multiple robustness checks, we document changes in the prevalence of child marriage in Mali, where in 2011 the general minimum age at marriage of 18 was lowered to 16. Since 2011, the prevalence of child marriage has progressively increased among women with no education and women living in communities characterized by low local development. We reflect on the role that data collection processes may play in explaining some of these findings and stress how repealing existing provisions aiming to protect girls can have adverse consequences on the most vulnerable social strata.

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)0,024
score de la tête « metaresearch » (Gemma)0,099
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 enseignants0,045
Score d'incertitude au seuil0,128

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,099
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,206
Tête enseignante GPT0,481
Écart entre enseignants0,275 · 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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePopulation StudiesMême sujetGlobal Maternal and Child HealthTravaux en français237 207