Bibliographic record
Abstract
Depuis une quinzaine d'années, on observe dans le Nordeste une hausse de la proportion de femmes qui commencent une vie de couple alors qu'elles sont encore dans l'adolescence. À l'aide des données de trois enquêtes démographiques et de santé conduites dans cette région du Brésil entre 1986 et 1996, des analyses de régression logistique multivariée servent ici à évaluer les déterminants de la formation des premières unions. La scolarité fait partie des variables qui influencent le plus la probabilité qu'une femme forme une première union avant l'âge de 20 ans : le risque est deux fois moins élevé pour une adolescente ayant fréquenté l'école pendant cinq ans ou plus que pour une adolescente n'ayant pas plus de quatre ans de scolarité, et cette tendance se révèle assez stable dans le temps. Le fait de vivre en milieu urbain et la pratique religieuse sont également associés à une moindre probabilité d'union précoce. Les résultats ne démontrent pas que les femmes de niveau socio-économique plus faible sont plus susceptibles de conclure une union informelle. La relation entre conception prénuptiale et catégorie d'union donne a penser que, pour un nombre important de jeunes femmes, le choix de l'union informelle peut être la conséquence de relations sexuelles précoces et d'une grossesse non planifiée.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".