Notice bibliographique
Résumé
Although a great deal of Michael Wallerstein's work concerns the inequality of income, wages, and wealth, very few of his papers contain significant normative claims beyond those of economic efficiency. Of course, the fact that Wallerstein eschewed any substantive normative discussions in his work does not imply that he held no views on the fairness or otherwise of particular patterns of wage and income inequality; far from it. Rather it reflects his belief that, before any compelling normative case can be made regarding any given distributions of income or wealth, it is necessary to understand as deeply as possible exactly how such distributions come about. And while there are a great many reasons offered in the literature for levels and changes in income inequality, Wallerstein focused on exploring how political-economic institutions influence and support particular distributions of income. In the early 1980s, the ratio of wages earned by those in the 50th percentile of the wage distribution to those in the 10th percentile was 1.96 in the US, 1.64 in France, and 1.31 in Sweden. By the late 1990s, the ratios were 2.1, 1.59, and 1.39, respectively. Over the same period, evidence from a set of eighteen OECD countries (including the US, France, and Sweden) indicates, first, a strong negative correlation between pretax income inequality and government spending on “safety net” insurance against loss of income and, second, a negligible relationship between pretax income inequality and any purely redistributive government spending in favor of the poor.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,384 | 0,193 |
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 ».