O Ritmo de Queda na Desigualdade no Brasil é Adequado? Evidências do Contexto Histórico e Internacional
Notice bibliographique
Résumé
The following study uses two approaches to judge whether inequality in Brazil is falling fast enough. The first is to compare the variation of the Gini coefficient in Brazil with what was observed in several countries that today belong to the Organisation for Economic Co-operation and Development (OECD) - France, Netherlands, Norway, Spain, Sweden, United Kingdom, and United States - while they built their social welfare systems during the last century. The second approach is to calculate for how long Brazil must keep up the fall in the Gini coefficient to attain the same levels of inequality of three OECD countries that can be used as a reference: Canada, Mexico, and the United States. The data indicate that the Gini coefficient in Brazil is falling 0.7 point per year and that this is superior to the rhythm of all the OECD countries analyzed while they built their welfare systems but Spain, whose Gini fell 0.9 point per year during the 1950s. The time needed to attain various benchmarks in inequality are: six years to Mexico, twelve to the United States and 24 to Canadian inequality levels. The general conclusion is that the speed with which inequality is falling is adequate, but the challenge will be to keep inequality falling at the same rate for another two or three decades.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,042 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».