MétaCan
Menu
Retour à la cohorte
Enregistrement W1562851158 · doi:10.3386/w20474

The Biocultural Origins of Human Capital Formation

2014· preprint· en· W1562851158 sur OpenAlexaboutno aff
Oded Galor, Marc Klemp

Notice bibliographique

RevueNational Bureau of Economic Research · 2014
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHistorical Economic and Social Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Science Foundation
Mots-clésHuman capitalSociologyAnthropologyEconomic geographyGeographyEconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

This research explores the biocultural origins of human capital formation. It presents the first evidence that moderate fecundity and thus predisposition towards investment in child quality was conducive for long-run reproductive success within the human species. Using an extensive genealogical record for nearly half a million individuals in Quebec from the sixteenth to the eighteenth centuries, the study explores the effect of fecundity on the number of descendants of early inhabitants in the subsequent four generations. The research exploits variation in the random component of the time interval between the date of first marriage and the first birth to establish that while higher fecundity is associated with a larger number of children, an intermediate level maximizes long-run reproductive success. Moreover, the observed hump-shaped effect of fecundity on long-run reproductive success reflects the negative effect of higher fecundity on the quality of each child. The finding further indicates that the optimal level of fecundity was below the population median, lending credence to the hypothesis that during the Malthusian epoch, the forces of natural selection favored individuals with lower fecundity and thus larger predisposition towards child quality, contributing to human capital formation, the onset of the demographic transition and the evolution of societies from an epoch of stagnation to sustained economic growth.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,457
Score d'incertitude au seuil0,777

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,295
Tête enseignante GPT0,437
Écart entre enseignants0,142 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations20
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetHistorical Economic and Social StudiesTravaux en français237 207