MétaCan
Menu
Retour à la cohorte
Enregistrement W2564483709 · doi:10.5569/1134-7147.62.07

Immigrazioaren ekarpen ekonomiko eta demografikoa Euskal Autonomia Erkidegoan

2016· article· eu· W2564483709 sur OpenAlexaff
Arkaitz Fullaondo Elordui-Zapaterietxe, Julia Shershneva, Iraide Fernández Aragón

Notice bibliographique

RevueZERBITZUAN · 2016
Typearticle
Langueeu
DomaineSocial Sciences
ThématiqueHuman Rights and Immigration
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésPhilosophyPolitical scienceTheology

Résumé

récupéré en direct d'OpenAlex

Artikulu honen helburua immigrazioa Euskal Autonomia Erkidegoa eragindako ekarpen ekonomiko eta demografikoa aztertzea da, hala nola krisiak ekarpen honetan izandako eragina definitzea.Horretarako, 2008 eta 2012 urteetako datu ofizialak oinarri hartuta metodologia kuantitatiboan oinarritutako azterketa egiten dugu.Adierazle desberdinen lanketaren bitartez etorkinek diru-kutxa publikoari egiten dioten ekarpena eta gastu sozialean duten eragina estimatu dugu eta egitura demografikoan izan duten eragina baita ere.Emaitzek erakusten dute etorkinen ekarpen ekonomikoa eragiten duten gastu soziala baino handiagoa dela, eta egitura demografikoan positiboki eragin dutela.Gako-hitzak: Immigrazioa, eragin ekonomikoa, eragin demografikoa, ekonomia.El objetivo de este artículo es analizar la aportación que ha realizado la población inmigrante en términos económicos y demográficos en la Comunidad Autónoma del País Vasco, así como determinar cuál ha sido el impacto de la crisis en dicha aportación.El estudio se basa en una metodología cuantitativa aplicada a la explotación de datos oficiales de los años 2008 y 2012.A través del análisis de diferentes variables, hemos estimado la aportación que la población inmigrante realiza a la hacienda pública y el gasto que representan en el gasto social.También hemos analizado su impacto en la estructura demográfica.Los resultados reflejan cómo la inmigración aporta más de lo que recibe de los diferentes servicios del sistema de bienestar y que el impacto sobre la estructura demográfica ha sido positivo.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

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 technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,019
Tête enseignante GPT0,277
Écart entre enseignants0,257 · 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'étudeObservationnel
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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZERBITZUANMême sujetHuman Rights and ImmigrationTravaux en français237 207