MétaCan
Menu
Retour à la cohorte
Enregistrement W4407108866 · doi:10.1080/0031322x.2024.2394275

The link between composition of the neighbourhood and contact, and ethnic and racial resentment in Australia, Canada, Germany, Japan and the United States

2024· article· en· W4407108866 sur OpenAlexaboutno aff
Daniel Stockemer

Notice bibliographique

RevuePatterns of Prejudice · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban, Neighborhood, and Segregation Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésResentmentNeighbourhood (mathematics)Ethnic groupEthnic compositionPolitical scienceDemographyComposition (language)Racial compositionGeographySociologyGender studiesRace (biology)LawArtPolitics

Résumé

récupéré en direct d'OpenAlex

In this study, Stockemer examines the degree to which the composition of the neighbourhood and contact between natives and ethnically diverse minorities influence individual attitudes towards people of a different ethnic and racial background. By means of an original survey conducted in five diverse countries (United States, Canada, Germany, Australia and Japan) in October 2021, he finds that the ethnic composition of the neighbourhood, as well as the two proxies for contact (that is, the intensity of contact and the quality of contact) have explanatory power. Yet, contrary to the assumptions of the ethnic threat theory, it is predominantly native neighbourhoods, rather than mixed or ethnic neighbourhoods, that seem to trigger higher resentment towards people of a different ethnic and racial background, even if the relationship is only casual. When it comes to contact, Stockemer finds that it is the quality of contact (that is, positive versus negative), rather than the intensity of contact, that appears to serve as a bulwark against negative racial attitudes. These findings tend to be quite robust across the five cases.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,280
Score d'incertitude au seuil0,562

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,035
Tête enseignante GPT0,317
Écart entre enseignants0,282 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePatterns of PrejudiceMême sujetUrban, Neighborhood, and Segregation StudiesTravaux en français237 207