“Are You a Boy or a Girl?”—A Missing Response Analysis
Notice bibliographique
Résumé
Many adolescent health surveys ask if respondents are male or female. Non-response may be due to fear of de-anonymisation or being a gender-nonconforming youth. The present study investigates the frequency of non-response and its potential reasons. To this end, data from 54,833 adolescents aged 11-18 from six countries, participating in the 2018 Health Behaviour in School-aged Children (HBSC) study, were analysed. Respondents were divided into three groups: (1) "Responders" who answered both questions on age and gender, (2) "Age non-responders" who did not answer the question on age, and (3) "Gender non-responders" who answered the question on age but not the one on gender. These groups were compared regarding their non-response to other questions and regarding their health. Overall, 98.0% were responders, 1.6% were age non-responders and 0.4% were gender non-responders. On average, age non-responders skipped more questions (4.2 out or 64) than gender non-responders (3.2) and responders (2.1). Gender non-responders reported more psychosomatic complaints, more frequent substance use and lower family support than responders. This study shows that age and gender non-responders differ in their response styles, suggesting different reasons for skipping the gender question. The health disparities found between the groups suggest that further research should use a more nuanced approach, informed by LGBT+ youth's insights, to measure sex assigned at birth and gender identity.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,154 | 0,135 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».