MétaCan
Menu
Retour à la cohorte
Enregistrement W2319121268 · doi:10.1177/1468018114533711

The Social Protection Floor and the ‘New’ social investment policies in Japan and South Korea

2014· article· en· W2319121268 sur OpenAlexaff
Ito Peng

Notice bibliographique

RevueGlobal Social Policy · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Policy and Reform Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésInvestment (military)Social policySocial sustainabilityEconomic growthSocial protectionSocial changeDevelopment economicsPopulationEconomicsSustainabilityPolitical scienceSociologyMarket economy

Résumé

récupéré en direct d'OpenAlex

Japan and South Korea have always taken what may be called a social investment approach to their social and economic development policies. They were able to achieve a high level of economic growth, in part, because of their targeted social spending that supported and protected the productive sectors of the society. Since the 1990s, however, there has been a marked shift in the targets of social investment, from predominantly skilled, male, industrial core workers to more peripheral, marginalized, and vulnerable population groups, such as women, children, and the elderly. Moreover, this new policy focus is now increasingly put forward from the perspective of inclusive welfare and the discourse of social inclusion, thus breaking from the earlier productivist thinking. Indeed, recent social investment policy debates in the two countries are often framed in terms of intergenerational equity, social and economic sustainability, and economic democracy. What are these ‘new social investments’, and why the shifts? This article looks at the new social investment policies in Japan and South Korea to understand factors behind the changes, and assess how ‘new’ are these new social investments.

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)0,001
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,006
Communication savante0,0040,003
Science ouverte0,0000,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,325
Écart entre enseignants0,303 · 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
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

Citations30
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Social PolicyMême sujetSocial Policy and Reform StudiesTravaux en français237 207