MétaCan
Menu
← Retour à la cohorte
Enregistrement W2552904658 · doi:10.71781/19484

Les politiques de revenu minimum dans les provinces canadiennes : une étude comparée de l’aide sociale au Canada

2015· dissertation· fr· W2552904658 sur OpenAlexaboutno aff
David Deault-Picard

Notice bibliographique

RevueOpen MIND · 2015
Typedissertation
Languefr
DomaineSocial Sciences
ThématiqueSocial Sciences and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceGeographyHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

L’objectif de ce mémoire est d’identifier les déterminants de la générosité de l’aide sociale au Canada. Plus précisément, quels sont les facteurs qui expliquent les variations entre les montants d’aide sociale entre les provinces canadiennes de 1990 à 2009? Pourquoi le Québec, la Saskatchewan et Terre-Neuve-Labrador sont plus généreux que le Nouveau-Brunswick et l’Alberta? L’analyse de ces 10 politiques distinctes est produite à partir d’un cadre théorique quadripartite qui inclut le rôle des acteurs (partis politiques et syndicats), les traits institutionnels (dépenses publiques et engagement à la redistribution), les contraintes budgétaires (taux d’assistance sociale, dette, économie) et le rôle du gouvernement fédéral (montant et type de transfert). Les résultats démontrent que l’aide sociale est une politique hautement dépendante au sentier et incrémentale. Des transferts fédéraux à coût partagé et un taux de syndicalisation élevé sont des facteurs qui exercent une influence positive sur la générosité des provinces. À l’inverse, les partis de droite ainsi qu’une situation budgétaire difficile ont un impact négatif. Il faut noter que la richesse économique des provinces n’est pas associée à une plus grande générosité de l’aide sociale, au contraire les prestations d’aide sociale étaient plus faibles en 2009 qu’en 1990 malgré un PIB qui a presque doublé. De plus, des provinces riches comme l’Alberta et la Colombie-Britannique sont peu généreuses. Finalement, il faut noter que les partis politiques de gauche n’ont pas l’effet positif escompté sur la générosité des politiques de revenu minimum.

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,607

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,012
Études des sciences et des technologies0,0050,002
Communication savante0,0040,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,078
Tête enseignante GPT0,366
Écart entre enseignants0,288 · 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'étudeQualitatif
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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetSocial Sciences and Governance→Travaux en français237 207→