Notice bibliographique
Résumé
So far, our discussion has been almost exclusively about inequality in the United States. Although inequality and stratification in the United States are clearly complex enough to warrant the space given them, it is important to remember that patterns of stratification and the processes leading to them are different in other countries. It also is informative to consider where the United States falls in the larger picture. There are no contemporary societies in which resources are equally distributed, but the degree of inequality varies dramatically among countries. In particular, the disparity between the very rich and the very poor often differs notably across countries. This is especially true when comparing developed countries (e.g., Australia, the United States, Canada, and the United Kingdom) with those that are still developing (e.g., Brazil, China, Hungary, India, and Mexico). Understanding how the United States compares to other countries puts in perspective the processes we encounter close to home. This chapter explores how the United States compares to other countries in terms of inequality and stratification. We consider various dimensions of inequality starting with a comparison of the United States to other developed countries. We explore cross-national patterns of income, poverty, work, mobility, and other indicators of well-being, such as the nature of the welfare state and the ownership of housing and other forms of wealth. We then compare developed countries to countries that are still developing. We explore multiple dimensions of inequality to provide as complete a picture as possible. We conclude with a discussion of inequality in transition economies – those that have undergone a transformation in recent decades from socialism to more market-oriented economic systems. As we consider inequality in comparative perspective, a special caveat is in order: The data used to compare countries can vary in subtle but important ways. As we discuss how the United States compares, remember that minor differences in data collection and analysis can have significant implications for interpretation. As with all data, read with a critical eye and an understanding that no empirical evidence is perfect.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,000 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,002 |
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 ».