Explaining cross‐country differences in policy response to child labour
Notice bibliographique
Résumé
Abstract We develop a model of child labour where poverty and inequality combine to determine policy response to child labour. If there are strategic complementarities between parents’ decisions to educate their children and firms’ technology choice, multiple school‐enrolment equilibria arise. Only rich countries and those that are not ‘too’ poor and have a low wealth inequality benefit from adopting child labour laws. This is because such laws commit an economy with either of those initial conditions to the full school‐enrolment equilibrium which Pareto‐dominates all other equilibria. Moreover, wealth redistribution is not sufficient to eliminate child labour. JEL Classification: I20, O33 Une explication des différences d’un pays à l’autre dans la réaction des politiques au phénomène du travail des enfants Les auteurs développent un modèle de travail des enfants dans lequel les niveaux de pauvreté et d’inégalité se combinent pour déterminer les politiques. Si des complémentarités stratégiques existent entre les décisions des parents d’éduquer leurs enfants et le choix de technologie des entreprises, de nombreux équilibres impliquant divers niveaux d’inscription à l’école sont possibles. Seuls les pays riches, et ceux qui ne sont pas « trop » pauvres ou qui ont un degré d’inégalité de la richesse relativement bas, tirent profit de lois réglementant le travail des enfants. C’est le cas parce que de telles lois engagent une économie qui a ces caractéristiques à se diriger vers un équilibre d’inscription totale des enfants à l’école. Dans ces cas, il s’agit d’un équilibre qui domine au sens de Pareto tous les autres équilibres. On note de plus que la redistribution de la richesse ne suffit pas pour éliminer le travail des enfants.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».