Loneliness and sense of community are not two sides of the same coin: Identifying different determinants using the 2019 Nova Scotia Quality of Life data
Notice bibliographique
Résumé
The purpose of this study was to explore the relative importance of lifestyle factors and living conditions when predicting loneliness and sense of community (SOC) in a representative sample of 12,871 participants from Nova Scotia collected in 2019. Using multiple regression and measures of relative importance based on the Lindeman, Merenda and Gold (lmg) method, we identified which variables are most important to predicting measures of loneliness and SOC. Twenty-two predictors accounted for 46% of the variance in SOC and the top 10 predictors accounted for 36% of the variance: satisfaction with quality of the natural environment in the neighborhood (ri = 0.09), life satisfaction (ri = 0.05), number of neighbors one can rely on (ri = 0.05), confidence in institutions (ri = 0.05), feeling better off due to government policy or programming (ri = 0.04), feeling safe walking in neighborhood after dark (ri = 0.03), mental health (ri = 0.02), number of friends one can rely on (ri = 0.02), volunteering (ri = 0.02), and perceptions of time adequacy (ri = 0.02). Only six of these variables were also the top predictors of loneliness. These results show that both community- and individual-level variables are substantial predictors of social well-being. The effect sizes differ between models, which suggests that there may be important predictors of loneliness that we have not accounted for. This study may inform community-level programming and policy that seeks to promote social well-being for individuals and their communities.
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 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 | 0,016 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,005 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».