Measuring Economic Insecurity and Vulnerability as part of Economic Well-being: Concepts and Context
Notice bibliographique
Résumé
Worrying about future economic dangers subtracts from the well-being of individuals, hence measurement of economic insecurity should be part of the measurement of economic well- being. Because risk-averse individuals are worse off if they have to face uninsured economic hazards, and because ‘security’ has been defined as a basic human right, affluent societies have created complex systems of private insurance and public social protection to reduce the costs of economic hazards. However, the citizens of poor nations (i.e. most of humanity) typically find both private insurance and public social protection to be largely unavailable – their lives are both poorer and riskier. How should one measure the impact on well-being of economic insecurity and vulnerability in these very different contexts? In recent years, economic insecurity has been discussed by several authors (e.g. Bossert and d’Ambrosio (2009), Osberg (2009)). The “vulnerability” perspective on economic development (e.g. Dercon, 2005a, b) has also emphasized both the costs of unprotected hazards to individuals and the adverse implications for growth of the risk-avoidance strategies available to them. Unfortunately, the ‘economic insecurity’ and ‘vulnerability’ literatures have evolved in remarkable mutual isolation – Section 1 begins with a conceptual comparison and a discussion of the implications for measurement choices. Section 2 illustrates the measurement of economic insecurity and its importance to trends in relative economic well-being using OECD data on seven affluent countries since 1980. Section 3 then asks how one might estimate the level of economic security in a comparable way in the very different context of poor nations, and uses data from Tanzania in 2006-07 to illustrate that meaningful comparisons are possible. Section 4 concludes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,013 |
| Études des sciences et des technologies | 0,003 | 0,024 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».