Roma Poverty and Deprivation: The Need for Multidimensional Anti-Poverty Measures
Notice bibliographique
Résumé
Reliable data and robust conceptual framework are two necessary preconditions for anti-poverty measures need to be effective and achieve their goals – bringing people out of poverty. Both preconditions are far from met in the case of Roma – one of the biggest minorities in Europe. Data on the absolute number and distribution of Roma population in the EU is patchy, incomparable – or does not exist at all. Thus addressing the data challenge is a necessary precondition for populating indicators that reflect the true face of Roma poverty – are ultimately, for the efforts to take Roma out of poverty to succeed. In its first part, the paper provides an overview of the available approaches and the possible sources of information that can generate the data necessary for monitoring different aspects of Roma inclusion process. The authors point out that different sources have their strengths and weaknesses and using them in complementary manner is desirable. How to use the data (what indicators to apply) is equally important. In its second part the paper proposes a multidimensional poverty index that is better reflecting the specifics of Roma poverty and exclusion than traditional poverty or vulnerability indicators. However two critically important dimensions remains insufficiently covered – namely ‘agency’ and ‘aspirations’. The authors call for reflecting these dimensions through the thematic components in the standardized European social surveys.
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 | 0,016 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,010 |
| Communication savante | 0,008 | 0,013 |
| Science ouverte | 0,001 | 0,010 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».