MétaCan
Menu
Retour à la cohorte
Enregistrement W2008044738 · doi:10.1016/j.socscimed.2015.03.025

Social welfare matters: A realist review of when, how, and why unemployment insurance impacts poverty and health

2015· review· en· W2008044738 sur OpenAlexaff
Patricia O’Campo, Ágnes Molnár, Edwin Ng, Émilie Renahy, Christiane Mitchell, Ketan Shankardass, Alexander St. John, Clare Bambra, Carles Muntañer

Notice bibliographique

RevueSocial Science & Medicine · 2015
Typereview
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensWilfrid Laurier UniversityUniversity of Toronto
Organismes subventionnairesMedical Research Council
Mots-clésUnemploymentGenerosityPovertyEconomicsRecessionWelfareWelfare reformConsumption (sociology)Welfare stateDistressEarningsCulture of povertyLabour economicsDemographic economicsBasic needsEconomic growthSociologyPolitical sciencePsychology

Résumé

récupéré en direct d'OpenAlex

The recent global recession and concurrent rise in job loss makes unemployment insurance (UI) increasingly important to smooth patterns of consumption and keep households from experiencing extreme material poverty. In this paper, we undertake a realist review to produce a critical understanding of how and why UI policies impact on poverty and health in different welfare state contexts between 2000 and 2013. We relied on literature and expert interviews to generate an initial theory and set of propositions about how UI might alleviate poverty and mental distress. We then systematically located and synthesized peer-review studies to glean supportive or contradictory evidence for our initial propositions. Poverty and psychological distress, among unemployed and even the employed, are impacted by generosity of UI in terms of eligibility, duration and wage replacement levels. Though unemployment benefits are not intended to compensate fully for a loss of earnings, generous UI programs can moderate harmful consequences of unemployment.

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)0,006
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,021
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0080,009
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,184
Tête enseignante GPT0,499
Écart entre enseignants0,314 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations177
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial Science & MedicineMême sujetEmployment and Welfare StudiesTravaux en français237 207