Age-heterogamous partnerships: Prevalence and partner differences by marital status and gender composition
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: We examine age heterogamy in the United States and its associations with other partnership characteristics following the nationwide legalization of same-sex marriage in 2015. METHODS: We use American Community Survey data for 2017–2021 to examine age gaps in over 3.3 million couples, differentiating by couple gender composition (man-man, man-woman, woman-woman) and marital status (cohabiting, married). We estimate the prevalence of age heterogamy and how it correlates with education, income, and race/ethnicity differences between partners. RESULTS: The prevalence of age heterogamy and its associations with other partner differences vary by couple gender composition and marital status. Man-man couples have higher rates of age heterogamy than man-woman and woman-woman couples; over three in ten man-man couples had age gaps of at least eight years between partners, with no difference by marital status. Age heterogamy was less common among married than cohabiting man-woman couples. For most couple types, educational and income differences between partners were more common among age-heterogamous partnerships. The prevalence of interracial/interethnic partnerships was higher among age-heterogamous married man-man and man-woman couples but not for woman-woman couples. CONTRIBUTION: Man-man couples have higher rates of age heterogamy, and partner differences related to education, income, and race/ethnicity are tied to age heterogamy for man-man couples more strongly than for other couple types. Partnering patterns for man-man couples are distinct from other couple types.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle