An Assessment of Important Issues Concerning the Application of Benefit-Cost Analysis to Social Policy
Notice bibliographique
Résumé
Abstract Benefit-cost analysis (BCA) provides a framework for systematically assessing the efficiency of public policies. Increasingly, BCA is being applied to social policies, ranging from preschool interventions to prison reentry programs. These applications offer great potential for helping to identify policies that offer the best returns on public investments aimed at helping the disadvantaged or otherwise improving social life. However, applying BCA to social policies pose a number of challenges. The need for a comprehensive approach to assessing social policies generally requires making predictions based on data from multiple sources and using available shadow prices. As these predictions and shadow prices are inherently uncertain, special effort must be made to explicitly address the resulting uncertainty of predictions of net benefits. Prediction and valuation are complicated by behaviors, such as addiction, that do not clearly satisfy the assumptions of neoclassical welfare economics. As distributional goals are often an explicit motivation for social policies, BCA may be an incomplete framework for public policy purposes unless analysts can find ways to incorporate people's willingness to pay for changes in the distribution of consumption across society. If BCA is to reach its potential for contributing to good social policy, analysts must be aware of these challenges and researchers must help address them.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,078 | 0,221 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,010 |
| Communication savante | 0,013 | 0,011 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,009 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».