Notice bibliographique
Résumé
In accessing inequality all over the world, recent research by Fischer has found an interesting result: without regard to population size, incomes in poor countries grew slower than incomes in rich countries, implying that the poor are falling behind and that cross-country inequality is getting worse. However a population weighted analysis indicates that the poor are growing faster, which implies both catch-up and narrowing inequality. An attempt is made in this paper to examine whether the same pattern of inequality applies to the case of provincial comparison in China. Our finding shows, even after taking into consideration of population and using the improved accessing method, we find no evidence of less inequality across all the people. Key words: inequality, population weighted, convergence, divergence Resume: Sur l’inegalite de l’acces dans le monde entier, les recherches recentes effectuees par Fischer ont trouve un resultat interessant : sans relation avec la taille de la population, les revenus dans les pays pauvres croissent plus lentement que dans les pays riches, cela implique que les pauvres sont en retard et que l’inegalite transnationale devient de plus en plus grave. Neanmoins, une analyse qui met l’accent sur la population montre que les pauvres augmentent plus rapidement, qui implique le rattrapage et l’inegalite diminue. L’article present tente d’examiner si le meme modele d’inegalite est applicable a la comparaison provinciale en Chine. Les resultats montrent que, meme en mettant en consideration la population et en utilisant la methode d’acces amelioree, on n’a pas trouve la preuve d’une inegalite decrue a travers toute la population. Mots-Cles: inegalite, population qui importe, convergence, divergence
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».