MétaCan
Menu
Retour à la cohorte
Enregistrement W4387789622 · doi:10.35772/ghm.2023.01058

Low fertility and fertility policies in the Asia-Pacific region

2023· review· en· W4387789622 sur OpenAlexaff
Victoria Boydell, Rintaro Mori, Sadequa Shahrook, Stuart Gietel‐Basten

Notice bibliographique

RevueGlobal Health & Medicine · 2023
Typereview
Langueen
DomaineSocial Sciences
ThématiqueDemographic Trends and Gender Preferences
Établissements canadiensHamilton Health Sciences
Organismes subventionnairesnon disponible
Mots-clésFertilityWork (physics)Face (sociological concept)PopulationPolitical scienceEconomic growthDevelopment economicsEconomicsSociologyDemographySocial science

Résumé

récupéré en direct d'OpenAlex

Declining fertility is an increasing global trend. In many low fertility contexts, people are having fewer children then they want, and these unfulfilled fertility desires have been associated with wider socio-economic changes in education and labour force participation and conflicting and often contradictory expectations of women at home and at work. The right to determine if, when and how one has children is enshrined in international law yet many policies responses to low fertility fail to meet these standards. This paper summarizes why people in the Asia-Pacific region are having fewer children than they desire, and the range of policy responses, particularly those that make life easier for working parents. This raises two important points. First, we need to contend to the gender dynamics that underpin this in the region, despite gradual changes in women's roles, they are still seen as "caregivers" and undertake a disproportionate amount of unpaid care work, often having to lean-out of their employment, and/or face gender discrimination in the workplace. Second, the "emergency" of low fertility arises from complex social and economic conditions that cannot be solved by population policies solely focused on making babies.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,181
Tête enseignante GPT0,472
Écart entre enseignants0,291 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Health & MedicineMême sujetDemographic Trends and Gender PreferencesTravaux en français237 207