MétaCan
Menu
← Retour à la cohorte
Enregistrement W4416073444 · doi:10.1038/s41598-025-22806-5

Community participation in secular and religious contexts across sociodemographic groups in 22 countries

2025· article· en· W4416073444 sur OpenAlexaff
Ying Chen, Brendan W. Case, Katelyn Long, Robert D. Woodberry, Eric S. Kim, R. Noah Padgett, Byron R. Johnson, Tyler J. VanderWeele

Notice bibliographique

RevueScientific Reports · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueReligion, Spirituality, and Psychology
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesTempleton World Charity FoundationTempleton Religion TrustFetzer InstituteJohn Templeton Foundation
Mots-clésVariation (astronomy)Sociocultural evolutionCommunity participationSocial engagementSecular variationSecular education

Résumé

récupéré en direct d'OpenAlex

In an increasingly fragmented and isolated world, community participation remains an essential source of social connection. However, how community participation varies across countries and sociodemographic groups remains unclear. Using data from 202,898 adults across 22 countries, we examined participation in both secular and religious communities across sociodemographic groups. There was substantial cross-national variation in participation rates for both secular and religious communities. On average across countries, younger, male, single, and more educated people were more likely to participate weekly + in secular groups. Notably, people who attended religious services were also more likely to engage in secular groups, suggesting these forms of participation may be complementary rather than substitutive. Conversely, older, married or widowed, and less educated people attended religious services more often. Country-specific analyses further suggest that sociodemographic variation in community participation differed across countries, indicating diverse societal influences. These findings pave the way for future investigations into how sociocultural factors shape community participation across different national contexts.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
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 Opus0,024
Tête enseignante GPT0,382
Écart entre enseignants0,357 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific Reports→Même sujetReligion, Spirituality, and Psychology→Travaux en français237 207→