MétaCan
Menu
Retour à la cohorte
Enregistrement W4378532959 · doi:10.1007/s11482-023-10177-w

Living Alone in the City: Differentials in Subjective Well-Being Among Single Households 1995–2018

2023· article· en· W4378532959 sur OpenAlexaboutno aff
Nina‐Sophie Fritsch, Bernhard Riederer, Lena Seewann

Notice bibliographique

RevueApplied Research in Quality of Life · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIntergenerational Family Dynamics and Caregiving
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMetropolitan areaQuality of Life ResearchQuarter (Canadian coin)Life satisfactionQuality of life (healthcare)Demographic economicsPsychologySocioeconomicsGeographySociologyEconomicsSocial psychologyMedicinePublic health

Résumé

récupéré en direct d'OpenAlex

Abstract Over the past decades, the number of single households is constantly rising in metropolitan regions. In addition, they became increasingly heterogeneous. In the media, individuals who live alone are sometimes still presented as deficient. Recent research, however, indicates a way more complex picture. Using the example of Vienna, this paper investigates the quality of life of different groups of single households in the city. Based on five waves of the Viennese Quality of Life Survey covering almost a quarter of a century (1995–2018), we analyse six domains of subjective well-being (satisfaction with the financial situation, the housing situation, the main activity, the family life, social contacts, and leisure time activities). Our analyses reveal that, in most domains, average satisfaction of single households has hardly changed over time. However, among those living alone satisfaction of senior people (60+) increased while satisfaction of younger people (below age 30) decreased. Increasing differences in satisfaction with main activity, housing, or financial situation reflect general societal developments on the Viennese labour and housing markets. The old clichéd images of the “young, reckless, happy single” and the “lonely, poor, dissatisfied senior single” reverse reality.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,036
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,161
Tête enseignante GPT0,413
Écart entre enseignants0,252 · 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

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Research in Quality of LifeMême sujetIntergenerational Family Dynamics and CaregivingTravaux en français237 207