Environnement familial et bien-être économique des enfants américains
Bibliographic record
Abstract
À partir de nouvelles données américaines tirées de l'échantillon à 1 % du Public Use Microdata Sample du Recensement décennal de 1990, l'auteur cherche à mesurer à quel point les variations interraciales du bien-être économique chez les enfants sont liées à des différences entre les groupes de diverses ethnies ou races au point de vue de la composition familiale et (ou) de la participation des parents au travail rémunéré. Il apparaît que les différences interraciales de composition familiale rendent inopérants les efforts entrepris pour éliminer les écarts de richesse entre enfants américains de diverses origines. Ainsi, l'importance de la proportion d'enfants noirs vivant en famille monoparentale avec leur mère explique 60 % de l'écart qui sépare le taux de pauvreté des enfants noirs de celui des enfants blancs. De même, les écarts de pauvreté chez les enfants entre les groupes s'expliquent en partie (mais non complètement) par la variation interraciale des modèles de participation au travail des parents. Parmi les enfants vivant en famille biparentale, les taux de pauvreté sont environ deux fois plus élevés chez les enfants noirs que chez les enfants blancs, même si les premiers ont plus de chances d'avoir deux parents qui travaillent. On peut en conclure que les inégalités raciales ne seront pas éliminées par les politiques strictement conçues pour «renforcer la famille» ou inciter les mères au travail (sans égard au niveau des salaires), surtout dans le cas des enfants des minorités défavorisées depuis plusieurs générations.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 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".