Une étude comparative de l’impact de la religiosité et de l’égalité des genres sur les intentions en matière de fécondité et leurs réalisations
Bibliographic record
Abstract
Le rôle de la religiosité et du genre dans l’élaboration des décisions en matière de fécondité a fait l’objet de nombreuses études ces dernières années. Cette littérature a toutefois mis en évidence une énigme intéressante. Alors que la religiosité a un effet positif sur la fécondité, en partie grâce à la promotion des rôles sexospécifiques traditionnels, l’égalité des sexes s’avère elle aussi avoir eu un impact positif – plutôt que négatif – sur la fécondité. Nous abordons cette ambiguïté dans l’effet de la religiosité et des rôles de genre en examinant leurs effets spécifiques sur les intentions en matière de fécondité et leurs réalisations. Pour ce faire, nous utilisons les données de la première et de la deuxième vagues de l’Enquête Générations et Genre (GGS) et construisons des modèles de régression logistique séparément pour cinq pays européens (Autriche, Bulgarie, France, Géorgie et Russie). Nous développons des modèles mesurant l’influence de la religiosité, les attitudes de genre et la répartition des tâches ménagères selon l’intention d’avoir un (autre) enfant et la réalisation positive de ces intentions (plan d’avoir un enfant) et négative (plan de ne pas avoir un enfant). Nos résultats suggèrent que, quel que soit le contexte du pays, la religiosité et les rôles de genre semblent avoir un effet indépendant sur les intentions en matière de fécondité et leur réalisation.
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 | 0.009 | 0.029 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 0.001 |
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".