MétaCan
Menu
Retour à la cohorte
Enregistrement W1992488477 · doi:10.12927/whp.2014.23720

Comparative Analysis and Evaluation of the Effectiveness of Demographic Policies in EU Countries (2009-2010)

2014· article· en· W1992488477 sur OpenAlexvenueno aff
George Pierrakos, Dionyssis Balourdos, Sotiris Soulis, Markos Sarris, John Pateras, Panagiotis Skolarikos, Athanasios Farfaras

Notice bibliographique

RevueWorld health & population · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueQuality of Life Measurement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHealthcare policyAdministration (probate law)Health careDeveloping countryHealth policyEconomic growthPublic administrationPeer reviewBest practiceMedicineInternational healthEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

PURPOSE: This article contains a comparative analysis and evaluation of the effectiveness of population policies in European Union (EU) countries, using multivariate analysis. DATA AND METHODS: To study these differences, it is primarily necessary to have the relevant data. The most recent database available was developed by the OECD in 2007 and currently covers OECD countries and most EU Member States. We used multivariate analysis to categorize the indicators into the following groups: (a) economic indicators, (b) indicators reconciling work and family life, and (c) demographic indicators. RESULTS: The results of measuring the degree of coherence of factors reveal that the four most important factors influencing the effectiveness of population policy are (i) the average maternal age at first childbirth, (ii) social protection expenditure, (iii) GDP, and (iv) public spending for benefits. Based on the data from the evaluation of the correlation matrix of variables and data, the classification of countries, according to the values of the coefficients of analysis, appears as follows: the Nordic countries (together with France and the United Kingdom), the Southern European countries and the Northern countries: Estonia, Latvia, Lithuania (by a very slight margin Romania), and Bulgaria, Poland, Slovakia (and, marginally, Malta). CONCLUSIONS: The key comparative findings from benchmarking best practices in the context of the European experience are the following: The EU is being demographically transformed as a direct result of an increase in average life expectancy and immigration and a decrease in fertility. Demographic factors are influenced by specific features, in contrast with economic factors which seem be less stable.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,012
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,006
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,002
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 Opus0,106
Tête enseignante GPT0,439
Écart entre enseignants0,332 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld health & populationMême sujetQuality of Life MeasurementTravaux en français237 207