Demographic and socio- economic characteristics of Muslim women in Australia
Notice bibliographique
Résumé
Description and rationale: Australia, accompanied by the United Stated and Canada as countries with long tradition of immigration, is best-known as a culturally divers country in the world. This fundamental characteristic has brought together Muslim populations like other various religious and ethnic backgrounds people from all corners of the world in Australia. It also allowed that despite some considerable swings over time mainly caused by adapting different immigration policies, Muslim populations experienced an increasing general trend over time so that it reached from 22311 in 1971 to 277967 in 2001. It is also worthy to add that Muslim population was the largest non-Christian religious group until 1991 and the second highest one in the census 2001 in Australia. Method and data: Secondary data analysis based on the Australian Census of Population gained from the Australian Bureau of Statistics (ABS) are used to examine the demographic and socio-economic characteristics of Muslim women aged 15-54 years old in 2001. In a comparative approach, they will also be examined with their Non-Muslim counterparts in terms of these characteristics. Expected Findings: The characteristics that are going to be discussed include population issues, education levels, English language proficiency, family formation, individual income, partner's income, duration of residence in Australia, the country of origin as well as the main initial results on employment status, occupation status, industries of employment, hours worked, and place worked.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,015 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,007 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».