MétaCan
Menu
Retour à la cohorte
Enregistrement W1967972637 · doi:10.1111/roiw.12114

Measuring Economic Insecurity in Rich and Poor Nations

2014· article· en· W1967972637 sur OpenAlexaff
Lars Osberg, Andrew Sharpe

Notice bibliographique

RevueReview of Income and Wealth · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural risk and resilience
Établissements canadiensCanadian Standards AssociationDalhousie University
Organismes subventionnairesnon disponible
Mots-clésPovertyEconomicsLivelihoodIndex (typography)Food securityDevelopment economicsDeveloping countrySocial securitySocioeconomic statusEconomic growthPublic economicsAgriculturePopulationGeographyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Worrying about possible future economic dangers subtracts from the present well‐being of individuals, which is why affluent societies have complex systems of private insurance and public social protection to provide a degree of economic security. However, such protections are largely unavailable to the citizens of poor nations (i.e., most of humanity). How can one measure economic security in these very different contexts? This paper examines trends in the IEWB Economic Security Index for four affluent OECD countries and compares a cross‐section of 70 rich and poor countries in 2007/08. To reflect better the reality of developing countries, it revises the IEWB index to: (1) include the volatility of food production in the risk of loss of livelihood; (2) adjust the risks of health care costs to consider the proportion of household spending on food (which is non‐discretionary, and large in poor countries); and (3) add adult male mortality to the risk of divorce in calculation of the risk of single parent poverty.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,351
Score d'incertitude au seuil0,075

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,235
Écart entre enseignants0,221 · 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'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

Citations56
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Income and WealthMême sujetAgricultural risk and resilienceTravaux en français237 207