Counting everyone: evidence for inclusive measures of disability in federal surveys
Notice bibliographique
Résumé
The US Census Bureau has used the American Community Survey six-question set (ACS-6) to identify disabled people since 2008. In late 2023, the Census Bureau proposed changes to these questions that would have reduced disability prevalence estimates by 42%. Because these estimates inform funding and programs that support the health and independence of people with disabilities, many disability researchers and advocates feared this change in data collection would lead to reductions in funding and services. While the Census has paused-but not ruled out-the proposed changes, it is critical that alternate, more inclusive disability questions be identified and tested. We used data from the 2023/2024 National Survey on Health and Disability to explore alternative questions to identify disabled people in national surveys. A single broad question about conditions identified 11.2% more people with disabilities, and missed significantly fewer people with psychiatric disabilities compared to the current ACS-6 questions. A combination of a broad question and the existing ACS-6 questions may be necessary to more accurately and inclusively identify people with disabilities.
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 | 0,530 | 0,744 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,010 |
| Bibliométrie | 0,012 | 0,023 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,009 | 0,017 |
| Science ouverte | 0,008 | 0,019 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».