MétaCan
Menu
Retour à la cohorte
Enregistrement W2096342597 · doi:10.1111/j.0008-4085.2005.00285.x

Food for education versus school quality: a comparison of policy options to reduce child labour

2005· article· en· W2096342597 sur OpenAlexvenueno aff
Saqib Jafarey, Sajal Lahiri

Notice bibliographique

RevueCanadian Journal of Economics/Revue canadienne d économique · 2005
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePoverty, Education, and Child Welfare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSubsidyQuality (philosophy)EconomicsLabour economicsInvestment (military)Food policyLabour supplyPublic economicsBusinessAgricultureFood securityMarket economy

Résumé

récupéré en direct d'OpenAlex

Abstract. In a model in which credit markets play a crucial role, we examine two policy options for reducing child labour, ‘food for education’ and ‘investment in education quality,’ With an imperfectly elastic supply of credit, an increase in food subsidy is more effective in reducing child labour than an ‘income‐equivalent’ increase in expenditures in education quality. The effectiveness of the latter policy improves, and the optimal share of resources devoted to this policy increases, at the expense of food subsidies, as the supply of credit becomes more elastic. JEL classification: H52, O10

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)0,005
score de la tête « metaresearch » (Gemma)0,013
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0040,003
Science ouverte0,0020,002
Intégrité de la recherche0,0050,002
Charge utile insuffisante (le modèle a refusé de juger)0,0180,001

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 Opus0,146
Tête enseignante GPT0,302
Écart entre enseignants0,156 · 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

Citations5
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Economics/Revue canadienne d économiqueMême sujetPoverty, Education, and Child WelfareTravaux en français237 207