MétaCan
Menu
Retour à la cohorte
Enregistrement W2056580402 · doi:10.1111/j.1468-0297.2008.02260.x

Feature: In‐work Benefit Reform in a Cross‐National Perspective ‐ Introduction

2009· article· en· W2056580402 sur OpenAlexaboutno aff
Mike Brewer, Marco Francesconi, Paul Gregg, Jeffrey Grogger

Notice bibliographique

RevueThe Economic Journal · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Labor, and Family Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesEconomic and Social Research Council
Mots-clésIncentiveWork (physics)Income SupportPovertyPublic economicsLabour economicsWelfareCashEconomicsWelfare reformTax creditPerspective (graphical)Labour supplyEarned income tax creditIncome taxBusinessDemographic economicsEconomic growthFinanceMarket economy

Résumé

récupéré en direct d'OpenAlex

In the past two decades, a number of industrialised countries – including the US, the UK, Canada and New Zealand – have witnessed an increasing reliance on in‐work support through tax credits and work‐conditioned transfers as a means of providing cash assistance to low‐income families with children. These Governments have used tax credits in an attempt to alleviate poverty without creating adverse incentives for participation in the labour market. In‐work benefits achieve this goal by targeting low‐income families with an income supplement that is contingent on work. Eligibility is based on family income and typically requires the presence of children, reflecting that there are higher out‐of‐work welfare benefits for families with children, that such families have higher costs of working (childcare) and, perhaps, that such families have higher labour supply elasticities than those without children. Family‐income‐based eligibility rules and the interaction with other aspects of the tax and benefit system make the analysis of the impact on work incentives and the impact on other outcomes more complex than what they might appear at first.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0280,001

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 Opus0,014
Tête enseignante GPT0,287
Écart entre enseignants0,274 · 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
GenreÉditorial

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
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Economic JournalMême sujetGender, Labor, and Family DynamicsTravaux en français237 207