XiaoMi-AI文件搜索系统
World File Search SystemRace
美国的种族和经济机会
我们使用 1989 年至 2015 年涵盖几乎整个美国人口的去识别纵向数据，研究了种族和民族收入差距的来源。我们记录了三组结果。首先，不同种族群体之间的代际收入差距持续性存在很大差异。例如，西班牙裔美国人的收入在代际分配中显著上升，因为他们的代际收入流动率相对较高。相比之下，黑人美国人的向上流动率远低于白人，向下流动率则高于白人，导致代际收入差距巨大。以父母收入为条件，黑人与白人的收入差距完全是由黑人和白人男性之间的工资和就业率的巨大差异造成的；黑人和白人女性之间不存在这样的差异。其次，父母婚姻状况、教育和财富等家庭特征的差异几乎无法解释以父母收入为条件的黑人与白人收入差距。能力差异也不能解释我们记录的代际流动模式。第三，即使是在同一个社区长大的男孩，黑人和白人之间的差距仍然存在。在控制父母收入的情况下，在 99% 的人口普查区，黑人男孩成年后的收入低于白人男孩。黑人和白人男孩在低贫困地区都有更好的结果，但对于在此类社区长大的男孩来说，黑人和白人之间的差距平均较大。黑人和白人之间的差距相对较小的少数地区往往是低贫困社区，白人的种族偏见程度较低，黑人的父亲在场率较高。在童年早期搬到这些社区的黑人男性收入更高，入狱的可能性更小。然而，只有不到 5% 的黑人儿童在这样的环境中长大。这些发现表明，缩小黑人和白人之间的收入差距需要做出跨越社区和阶级界限的努力，并提高黑人男性的向上流动性。
美国的种族和经济机会
我们使用 1989 年至 2015 年涵盖几乎整个美国人口的去识别纵向数据，研究了种族和民族收入差距的来源。我们记录了三组结果。首先，不同种族群体之间的代际收入差距持续性存在很大差异。例如，西班牙裔美国人的收入在代际分配中显著上升，因为他们的代际收入流动率相对较高。相比之下，黑人美国人的向上流动率远低于白人，向下流动率则高于白人，导致代际收入差距巨大。以父母收入为条件，黑人与白人的收入差距完全是由黑人和白人男性之间的工资和就业率的巨大差异造成的；黑人和白人女性之间不存在这样的差异。其次，父母婚姻状况、教育和财富等家庭特征的差异几乎无法解释以父母收入为条件的黑人与白人收入差距。能力差异也不能解释我们记录的代际流动模式。第三，即使是在同一个社区长大的男孩，黑人和白人之间的差距仍然存在。在控制父母收入的情况下，在 99% 的人口普查区，黑人男孩成年后的收入低于白人男孩。黑人和白人男孩在低贫困地区都有更好的结果，但对于在此类社区长大的男孩来说，黑人和白人之间的差距平均较大。黑人和白人之间的差距相对较小的少数地区往往是低贫困社区，白人的种族偏见程度较低，黑人的父亲在场率较高。在童年早期搬到这些社区的黑人男性收入更高，入狱的可能性更小。然而，只有不到 5% 的黑人儿童在这样的环境中长大。这些发现表明，缩小黑人和白人之间的收入差距需要做出跨越社区和阶级界限的努力，并提高黑人男性的向上流动性。
风险资金，社会运动和种族
•地理接近（Sorenson/Stuart'01，Bernstein/et.al'16）•专业网络重叠（Hochberg/et.al'07，Hsu'07，Hsu'17，Garfinkel/et.al'21）•人口统计学
解开婴儿大脑中的社会经济地位和种族......
摘要背景：种族通常被用来代替多种特征，包括社会经济地位。分离这些因素，找出影响婴儿结果的机制，如出生体重、胎龄和大脑发育，并指导适当的干预措施和制定公共政策，这些都至关重要。方法：使用人口统计学、社会经济和临床变量来模拟婴儿结果。在出生体重和胎龄的分析中，共有 351 名参与者被纳入。对于使用脑体积的分析，在删除缺少磁共振成像扫描和符合我们排除标准的参与者后，共纳入 280 名参与者。我们用线性和非线性模型对这三种不同的婴儿结果进行了建模，包括婴儿大脑、出生体重和胎龄。结果：非线性模型比线性模型更能预测婴儿出生体重（R 2 = 0.172 vs. R 2 = 0.145，p = .005）。与线性模型相比，非线性模型在对出生体重进行建模时，将收入、邻里劣势和歧视经历的重要性排在了种族之前。种族不是妊娠周龄或结构性脑容量的重要预测因素。结论：与现有的社会科学文献一致，与出生体重相关的研究结果表明，种族是与结构性种族主义相关的非线性因素的线性替代。能够解开通常与种族相关的因素的方法对于政策制定很重要，因为它们可以更好地识别和排列影响结果的可修改因素。
可解释的人工智能是一场与模型复杂性的竞赛吗？
联结主义的复兴和巨大成功创造了一个以数据集大小、模型复杂度（以参数或权重的数量衡量）和计算时间为王的体系。深度学习模型性能的爆炸式提升伴随着模型复杂度和计算成本的爆炸式增长。有人认为，这些大型、昂贵的模型可能实际上没有必要。彩票假说 [1] 认为，较大的模型表现更好，因为它们更有可能包含有利于随机初始化的参数。因此，随机初始化的网络可能包含一个小得多的子网络，经过单独训练，该子网络的性能可以与原始网络相媲美。修剪这些模型是一个活跃的研究和辩论领域 [2,3]。尽管如此，较大模型在经验上更优异的性能使得杰出的研究人员得出结论：“利用计算的通用方法最终是最有效的”（萨顿的“惨痛教训”[4]）。 “扩展假设”认为，一旦找到合适的基本架构，我们只需实例化该架构的较大版本，即可生成任意级别的智能。因此，神经网络结构的操纵和表达已成为机器学习研究界的首要关注点，尽管也饱受批评。
医疗工作者种族平等标准 (MWRES)
医疗领导。刺激行动解决这些不平等问题的第一步是设计一套指标，这些指标可以每年发布一次，使整个 NHS 系统能够认识到不平等并开始采取行动解决它。这些指标借鉴了研究证据，数据收集的贡献者包括各种组织，如英国医学总委员会、皇家医学院、医学院理事会和英国健康教育协会。这种合作反映了对集体行动的承诺，因为医生的专业发展、培训、薪酬、任命和领导角色的机会不仅受到 NHS 信托基金领导人的影响，也受到这些组织的影响。为了使 MWRES 能够阐明医疗队伍中的种族不平等，并确定行动领域，它需要考虑这些复杂性，并纳入所有这些利益相关者组织收集的数据和信息。他们对设计和数据收集的支持值得承认。
黑人美国理论（科学、技术与种族）
健康与保健 U Matter, We Care：如果您或您认识的人处于困境中，请联系 umatter@ufl.edu、352-392-1575，或访问 U Matter, We Care 网站以转介或报告问题，团队成员将与处于困境中的学生取得联系。 咨询与健康中心：访问咨询与健康中心网站或致电 352- 392-1575 了解危机服务和非危机服务的信息。 学生健康护理中心：致电 352-392-1161 获取全天候信息，以帮助您找到所需的护理，或访问学生健康护理中心网站。 大学警察局：访问 UF 警察局网站或致电 352-392-1111（紧急情况请拨打 9-1-1）。 UF Health Shands 急诊室/创伤中心：如需紧急医疗护理，请致电 352-