MétaCan
Menu
Retour à la cohorte
Enregistrement W1863886219 · doi:10.1111/caje.12085

Social evaluations when populations differ in size

2014· article· en· W1863886219 sur OpenAlexaffvenueabout
Jean‐Yves Duclos, Agnès Zabsonré

Notice bibliographique

RevueCanadian Journal of Economics/Revue canadienne d économique · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIncome, Poverty, and Inequality
Établissements canadiensUniversité Laval
Organismes subventionnairesAustralian Agency for International Development
Mots-clésUtilitarianismWelfareDominance (genetics)Social WelfarePovertyAffect (linguistics)PopulationRank (graph theory)EconomicsPublic economicsPopulation sizeEconometricsPositive economicsSociologyMathematicsPolitical scienceEconomic growthLawDemography

Résumé

récupéré en direct d'OpenAlex

Abstract Assessments of “social welfare” do not usually take into account population sizes. This can lead to serious social evaluation flaws, particularly in contexts in which policies can affect demographic growth. We develop in this paper a little‐known though ethically attractive approach to correcting the flaws of traditional social evaluations, an approach that is sensitive to population sizes and that is based on critical‐level generalized utilitarianism (CLGU). Traditional CLGU is extended by considering arbitrary orders of welfare dominance and ranges of “poverty lines,” as well as values for the “critical level” of how much a life must be minimally worth to contribute to social welfare. We apply these social evaluation methods to rank Canada across 1976, 1986, 1996 and 2006 and to estimate normatively and statistically robust lower and upper bounds of critical levels over which these rankings can be made.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,432
Score d'incertitude au seuil0,882

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,237
Tête enseignante GPT0,278
Écart entre enseignants0,042 · 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

Citations1
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Economics/Revue canadienne d économiqueMême sujetIncome, Poverty, and InequalityTravaux en français237 207