Pandemic Patterns: California is Seeing Fewer Entrances and More Exits
Notice bibliographique
Résumé
Since the COVID-19 pandemic began, fewer people have been moving into California from other states and more have been leaving. At the end of September 2021, entrances to California were 8% lower than at the end of March 2020.1 Exits, following a dip in the first half of 2020, stood 12% higher at the end of September 2021 than at the end of March 2020 — representing a return to a steady pre-pandemic rate of increase of approximately 4% per year since 2016. Net domestic migration, defined as the difference between entrances and exits, went from 40,000 net exits per quarter prior to the pandemic to 80,000 afterward. This brief uses data through the end of September 2021. These trends are present throughout the state. Since the end of March 2020, new entrances to the state have dropped in 40 of 58 California counties, and when Californians move, they are slightly more likely to leave the state than they were before the pandemic began (true for nearly every county). But the Bay Area stands out, for several reasons. Since the end of March 2020, new entrances to Bay Area counties have dropped more quickly than in other parts of the state. Before the pandemic, San Francisco County was the only net receiver of population from other US states. Today, all California counties lose population to domestic migration. In addition, whereas in every other economic region the move rate fell since the pandemic began, Bay Area residents moved (to any destination) at higher levels (up 0.3 percentage points, to 4.2%), driving a 21% increase in Bay Area exits.This work has been supported, in part, by the University of California Multicampus Research Programs and Initiatives grants MRP-19-600774 and M21PR3278.
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 | 0,000 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».