“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 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 | 0,031 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».