Plugging the Baby Gap? The Struggle to Reverse Demographic Decline in Russia
Notice bibliographique
Résumé
Recently, Russia has been struggling to reverse plunging birthrates by adopting a number of radical policies designed to encourage women to have more babies. The breakup of the Soviet Union and the ensuing economic and political instability prompted a decade-long decline in fertility rates, which dropped from 1.72 children per woman in 1991 to 1.2 children per woman in 2000. As a result, Russia lost nearly 6 million inhabitants. Relative stability and high oil prices in the decade that followed saw fertility rates settle at around 1.6 children per woman in 2012 and 1.71 children per woman in 2013, which is still below the needed replacement rate of 2.1 children per woman. This article focuses on the maternal capital subsidy for the birth of two or more children that took effect in 2007 and will run until 2016. It deals with two questions. The first question is, why has maternal capital fraud been so prevalent? The second question is, does maternal capital make a difference when it comes to increasing Russia’s birthrate? In exploring these questions, the article considers the future of maternal capital subsidy, specifically focusing on the social, economic, and political outcomes of the current Ukraine crisis and Russia’s annexation of the Crimean peninsula. The article concludes that the overly restrictive design of the maternal capital program provides a fertile ground for fraud and that this subsidy fails to address the many complex causes underlying Russia’s declining fertility rates, thus limiting its effectiveness. Mothers and their families want the maternal capital money here and now because they do not believe that the money will be available in the future (in part, such belief is justified by the turbulent history of the 1990s and several bank collapses). The other side of the coin is that the state does not trust its citizens to use maternal capital money in a responsible fashion and has thus prescribed very limited usages for these funds. This lack of trust on both sides creates fertile ground in which fraud and corruption flourish.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».