The human development index as a criterion for optimal planning
Notice bibliographique
Résumé
Purpose The human development index (HDI) and gender‐related development index (GDI) have become accepted as leading measures for ranking human well being in different countries. The purpose of this paper is to identify the planning policies that improve these indices and to also suggest modifications to the indices that yield more sensible policies. Design/methodology/approach – This paper solves the first‐best welfare problem in which the planner maximizes a development index subject to resource constraints. Findings – Planning strategies that maximize the HDI tend towards minimizing consumption and maximizing expenditures on education and health. Interestingly, such strategies also tend towards equitable allocations, even though inequality aversion is not modelled in the HDI. The paper shows that the GDI generates optimal plans with similar properties, and determine when the GDI and HDI generate consistent optimal plans. A problematic feature of the optimal plans is that the income component in the HDI (or GDI) does not play its intended role of securing resources for a decent standard of living. Rather, it acts to distort the allocation between health and education expenditure. The paper argues that it is better to drop income from the index. Alternatively, the paper considers net income, income net of education and health expenditures, as indicating capabilities not already reflected in the index. Finally, it compares how the modified indices and the HDI rank countries. Originality/value – The paper is believed to be the first to integrate development indices into national development planning.
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 | 0,001 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».