AMERİKA’DA YAŞAYAN TÜRKLERDE ETNİK KİMLİK, KÜLTÜRLEŞME, DİNDARLIK VE BUNLARIN YAŞAM MEMNUNİYETİNE ETKİSİ
Bibliographic record
Abstract
Bu makalede Amerika‟da yaşayan Türk göçmenlerin yaşam memnuniyetleri açısından sergiledikleri farklılıklar incelenmektedir. Yaşam memnuniyetini etkileyen faktörler olarak Türk göçmenlerin dindarlığı, sosyo-ekonomik seviyeleri, Amerika‟daki yaşam süreleri, sahip oldukları miras kültürleri ve Amerikan ev sahibi kültürle kültürleşme süreçleri ve kendilerini etnik kimlikle tanımlama dereceleri ele alınmıştır. Araştırmanın örneklemini Türkiye‟de doğup Amerika‟ya yerleşen 344 Türk göçmen oluşturmaktadır. Araştırmanın verileri Vancouver Kültürleşme İndeksi, Çok Gruplu Etnik Kimlik Ölçeği ve Yaşam Memnuniyeti Ölçeği kullanılarak toplanmıştır. Bu ölçeklerin yanı sıra örnekleme demografik özelliklerini kapsayan anket uygulanmıştır. Genel olarak bakıldığında Amerika‟daki Türk göçmenlerin yaşam memnuniyetlerinin yüksek olduğu sonucuna ulaşılmıştır. Ayrıca çalışmada lojistik regresyon testi kullanılmıştır. Buna göre ilk model, dindarlık derecesi ve sosyoekonomik seviye arasında farklılıkları göstermektedir. Son model ise dindarlığının, sosyo-ekonomik seviyenin ve ev sahibi kültürle kültürleşmenin artmasının yaşam memnuniyetini pozitif olarak etkilediğini açıklamaktadır.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.025 | 0.003 |
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".