Život během pandemie (Život k nezaplacení), 57. vlna 2025
Bibliographic record
Abstract
Datový soubor obsahuje proměnné z 57. vlny šetření Život během pandemie, pro které je od jara 2022 (40. vlna) využíván také název Život k nezaplacení. Cílem výzkumu Život během pandemie bylo shromažďovat data o vývoji epidemiologicky významného chování českých dospělých během pandemie nemoci covid-19 v letech 2020 až 2022 (zejména počty kontaktů, styk s nakaženým, testování, dodržování preventivních opatření, sociální aktivity, docházka na pracoviště, symptomy onemocnění). Sledovány byly také změny v pracovní aktivitě dotazovaných, ekonomická situace domácností a míry duševního zdraví s cílem vyhodnocovat dopady epidemie na uvedené oblasti života. Od listopadu 2021 bylo šetření postupně doplňováno o moduly reagující na aktuální společenské krize a výzvy (energetická krize, inflace, válka na Ukrajině). Na jaře 2022 byl naopak oslaben epidemiologický modul. Od dubna 2022 bylo pokračování výzkumu zajišťováno ve spolupráci s Českým rozhlasem jako projekt Česko 2022: Život k nezaplacení s důrazem na dopady inflace na hospodaření domácností. Od října 2022 (44. vlna) probíhá sběr dat pod názvem Život k nezaplacení pro Národní institut pro výzkum socioekonomických dopadů nemocí a systémových rizik (SYRI). V této souvislosti se šetření rozšířilo o tematické moduly týkající se dopadů pandemie covid-19, ale také o otázky reagující na nová zdravotní, ekonomická, politická a společenská rizika (k nim se řadí zejména bariéry v dostupnosti a využívání zdravotní péče, socioekonomické nerovnosti ve zdraví, nedostatečná flexibilita trhu práce, krize důvěry v expertní vědění a instituce, polarizace společnosti, populismus, oslabení demokracie, vliv dezinformací). Zároveň zůstalo zachováno jádro dotazníku sestávající z otázek dotazovaných v minulých vlnách (zejména pracovní aktivita, hospodaření domácností, duševní zdraví).
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.065 | 0.018 |
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".