MétaCan
Menu
Retour à la cohorte
Enregistrement W4385549062 · doi:10.7758/rsf.2023.9.5.06

Disastrous Burdens: Hurricane Katrina, Federal Housing Assistance, and Well-Being

2023· article· en· W4385549062 sur OpenAlexaff
Ethan J. Raker, Tyler Woods

Notice bibliographique

RevueRSF The Russell Sage Foundation Journal of the Social Sciences · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentPrinceton UniversitySage FoundationNational Institute of Child Health and Human DevelopmentRussell Sage FoundationRobert Wood Johnson FoundationJohn D. and Catherine T. MacArthur FoundationNational Science Foundation
Mots-clésDenialAgency (philosophy)Emergency managementHurricane katrinaTollBusinessDocumentationPublic administrationPolitical scienceNatural disasterGeographyPsychologySociologyMedicineLaw

Résumé

récupéré en direct d'OpenAlex

Few existing studies of federal disaster aid examine the logics that govern assistance access. Applying the lens of administrative burdens, we identify four onerous aspects of the Federal Emergency Management Agency’s (FEMA) housing aid program—regulations regarding application unit, documentation, and damage sufficiency, and long processing times—that prompt assistance delay or denial for in-need households. Our empirical strategy pairs administrative records from FEMA on denied applications (N = 206,157) after Hurricanes Katrina and Rita with survey (N = 354) and in-depth interview data (N = 106) from a longitudinal study of low-income survivors of Katrina. Results show that applications from poor, communities of color were disproportionately denied or delayed due to burdensome program requirements and their implementation. Interviews and survey evidence elucidate the compliance costs and suggest a toll on post-disaster well-being.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,041
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,020
Tête enseignante GPT0,317
Écart entre enseignants0,297 · 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

Citations18
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRSF The Russell Sage Foundation Journal of the Social SciencesMême sujetDisaster Management and ResilienceTravaux en français237 207