MétaCan
Menu
Retour à la cohorte
Enregistrement W2501464536 · doi:10.1017/cbo9780511921766.010

Shifting the Long-Run Burden

2011· book-chapter· en· W2501464536 sur OpenAlexaff
Alan M. Jacobs

Notice bibliographique

RevueCambridge University Press eBooks · 2011
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiquePolitical and Economic history of UK and US
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

Margaret Thatcher came to power in 1979 determined to control the growth of public expenditure, cut government deficits, and scale back the role of the state. As soaring unemployment placed upward pressure on social spending, however, the size of government increased rapidly during her first administration. When Nigel Lawson took office as Chancellor of the Exchequer in 1983, he sought both to reverse this disappointing trend in the near term and to hold down the long-term trajectory of government spending. While immediate cuts to programs such as defense and education helped the Chancellor pursue near-term fiscal discipline, pension reform would play a central role in his longer-term strategy. Old-age pensions were, on the one hand, a spending category in which quick savings were hard to achieve because current beneficiaries had come to depend on past benefit promises. At the same time, it was an area of expenditure that was scheduled to grow automatically over the next several decades as the ranks of retirees swelled. Accounts of the British pension reforms of the 1980s – especially those that set it in cross-national perspective – typically emphasize their relative radicalism (Huber and Stephens 2001a; Bonoli 2000). Thatcher's success in dismantling Britain's public retirement programs is usually considered dramatic by comparison, for instance, with Ronald Reagan's modest cutbacks to Social Security (Pierson 1994). This conventional view of the British reform outcome, however, occludes two important features of the case.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: aucune
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0070,007
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0280,009

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 Opus0,045
Tête enseignante GPT0,215
Écart entre enseignants0,170 · 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

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetPolitical and Economic history of UK and USTravaux en français237 207