Leisure for whom? Socioeconomic disparities in the well-being benefits of third places
Notice bibliographique
Résumé
With increasing divestments from physical community spaces and the rise of online social networks, there is renewed interest in how third places—places that are not home or work—may support a happier life. However, a key consideration often overlooked is that experiencing the benefits of third places may heavily depend on the resources people have like time and money. Whereas past work in this area has largely focused on health outcomes, life satisfaction offers a measure of one’s summative assessment of their lives overall, thus allowing us to evaluate how third places may be linked to overall quality of life. This preregistered study examined whether the association between the number of third places (e.g., parks, retail stores) and life satisfaction varies by income level in a representative U.S. sample totaling 1.6 million participants. Using points of interest data from the Gallup U.S. Daily Poll and National Neighborhood Data Archive, our analyses revealed that residing in areas with more Eating and Drinking Places, Personal Care Services, Social Services, and Retail Establishments was associated with larger gains in life satisfaction for lower-income individuals than middle- and higher-income individuals. However, lower-income individuals experienced fewer gains in life satisfaction with a larger quantity of Arts, Entertainment, and Leisure than middle- and higher-income individuals. Altogether, the mere presence of more third places may not lead to benefits for all—rather, their association to life satisfaction differs significantly for individuals in different income groups.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».