MétaCan
Menu
Retour à la cohorte
Enregistrement W1462078538

Al borde de la incertidumbre : reduccion de la pobreza en America latina y el caribe durante y despues de la gran recession

2011· article· es· W1462078538 sur OpenAlexaboutno aff
Louise J. Cord, Carolina Diaz Bonilla, João Pedro Azevedo

Notice bibliographique

Revuenon disponible
Typearticle
Languees
DomaineSocial Sciences
ThématiqueIncome, Poverty, and Inequality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLatin AmericansRecessionPovertyEconomicsPer capitaDevelopment economicsGross domestic productQuarter (Canadian coin)Extreme povertyPoverty reductionPurchasing power parityGeographyPolitical scienceDemographyEconomic growthPopulationSociology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Strong poverty reduction in Latin America resumed with the growth rebound in 2010, as both moderate and extreme poor households benefitted from the recovery, accelerating poverty reduction to rates similar to those witnessed between 2003-2006 despite a 2.8 percent decline in Gross Domestic Product (GDP) per capita in Purchasing Power Parity (PPP) terms, poverty levels in Latin America (LAC) remained basically static during the great recession, as the poor were shielded from the economic crisis in some countries and continued to benefit from growth in others. In 2010, poverty reduction resumed sharply in Latin America, as household incomes were once again closely linked to economic growth at rates similar to pre-crisis years. Moderate poverty declined by almost 2.5 percentage points to reach 28 percent in 2010, while extreme poverty fell by more than 2 percentage points to reach 14 percent. As 2011 comes to a close, once again the global economy and Latin America are facing risks of yet another economic slowdown. Using household survey data from 2010 and selected labor market indicators through the third quarter of 2011, this note identifies some basic facts on the impact of the crisis and the recovery on the poor and explores their implications for poverty reduction in the region going forward.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,381
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,021
Tête enseignante GPT0,353
Écart entre enseignants0,332 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIncome, Poverty, and InequalityTravaux en français237 207