Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
To account for differences among rural and urban regions, the OECD s established a regional typology, classifying TL3 regions as predominantly urban (PU), intermediate (IN) or predominantly rural (PR) (OECD, 2009). This typology, based essentially on the percentage of regional population living in urban or rural communities, has proved to be meaningful to better explain regional differences in economic and labour market performance. However this typology does not take into account the presence of economic agglomerations if they happen to be in neighbouring regions. For example, a region is classified as rural or intermediate regardless its distance from a large urban centre where labour market, access to services, education opportunities and logistics for firms can be wider. Previous work reveals great heterogeneity in economic growth among rural regions and the distance from a populated centre could be a significant factor explaining these differences. For the latter, the OECD regional typology is extended to include an accessibility criterion. This criterion is based on the driving time needed for at least half of the population in a region to reach a populated centre of with 50 000 or more inhabitants. The resulting classification consists of four types of regions: Predominantly Urban (PU), Intermediate (IN), Predominantly Rural Close to a city (PRC) and Predominantly Rural Remote (PRR). For the time being, the extended typology has only been computed for regions in North America (Canada, Mexico and the United States) and Europe. The extended typology is used to compare the dynamics of population and labour markets. Remote rural regions show a stronger decline in population and a faster ageing process than rural regions close to a city. The remoteness of rural regions is in fact a significant factor explaining regional outflows of working age population, confirming that this extended typology captures the economic distance from market and services. Remote rural regions appear economically more fragile: lower employment rates (Canada and Mexico) and economic output (Europe).
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,044 |
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 découle