MétaCan
Menu
Retour à la cohorte
Enregistrement W2777690947 · doi:10.1108/ijse-04-2017-0156

Explaining support for redistribution for different groups of the needy

2017· article· en· W2777690947 sur OpenAlexaff
Nazim Habibov, Chi Ho Cheung, Alena Auchynnikava

Notice bibliographique

RevueInternational Journal of Social Economics · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Policy and Reform Studies
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésRedistribution (election)PovertyDemographic economicsOriginalityInequalityRedistribution of income and wealthCommunismEconomicsLabour economicsEconomic growthDevelopment economicsPsychologyPolitical scienceUnemploymentSocial psychologyPolitics

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to explore factors which may explain support for redistribution for different groups of the needy in 28 post-communist countries. Design/methodology/approach Using a cross-country survey ( n =25,845), the authors evaluate preferences for redistribution to the elderly, the disabled, families with children, the working poor, and the unemployed. Findings People in post-communist countries made the distinction between deserving groups of the needy – the aged, the disabled, and families with children, and undeserving groups – the unemployed and the working poor. Among the individual-level factors, adherence to equality and attributing poverty to structural problems increased the probability of supporting redistribution. Among country-level factors, the authors’ results stress the positive influence of income inequality on support for redistribution for all groups of the needy under investigation. Notably, the authors did not find a negative influence of the business cycle on support for the working poor and unemployed. Originality/value This is the first paper that examines support for the needy in a diverse sample of 28 post-communist countries. The findings will help policy-makers and social administrators to better understand factors influencing support for redistribution toward different groups of the needy.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,236
Score d'incertitude au seuil0,863

Scores Codex et Gemma par catégorie

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

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 Opus0,055
Tête enseignante GPT0,375
Écart entre enseignants0,320 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Social EconomicsMême sujetSocial Policy and Reform StudiesTravaux en français237 207