MétaCan
Menu
← Retour à la cohorte
Enregistrement W1606845909

GINI Country Report: Growing Inequalities and their Impacts in Canada

2013· preprint· en· W1606845909 sur OpenAlexaboutno aff
Robert Andersen, Mitch McIvor

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2013
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueCanadian Policy and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGini coefficientInequalityRedistribution (election)EconomicsIncome distributionEconomic inequalityDistribution (mathematics)DebtDemographic economicsGovernment (linguistics)Household incomeDevelopment economicsLabour economicsGeographyPolitical scienceMacroeconomicsPolitics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Compared to many modern economies, the overall level of income inequality in Canada has been relatively high since 1980 and grown steadily since. Specifically, the Gini coefficient for household incomes grew from 0.37 in 1980 to 0.45 by 2009. The largest gains in incomes occurred at the very top of the income distribution. Overall, those in the middle of the income distribution were relatively unaffected. There were consequences for the poor, however. Most of the rise in inequality occurred during the 1990s, a period in Canadian history marked by government cuts to spending with the goal of tackling a huge public. Other important contributors to changes in inequality in Canada are a decline in large-scale manufacturing, which has been progressively replaced by lower paying service industry jobs, a decline in government expenditures as a proportion of GDP, and changes to the tax structure that favoured the rich. In short, Canadian governments became increasingly less concerned with social spending and redistribution from the 1990s onwards and focussed instead on decreasing Canada’s huge public debt.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,414

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,016
Études des sciences et des technologies0,0030,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,034
Tête enseignante GPT0,315
Écart entre enseignants0,280 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in Economics→Même sujetCanadian Policy and Governance→Travaux en français237 207→