MétaCan
Menu
Retour à la cohorte
Enregistrement W2940019331 · doi:10.1515/ldr-2019-0020

Distributive Justice and the Sustainable Development Goals: Delivering Agenda 2030 in India

2019· article· en· W2940019331 sur OpenAlexaff
Nandini Ramanujam, Nicholas Caivano, Alexander Agnello

Notice bibliographique

RevueThe Law and Development Review · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIncome, Poverty, and Inequality
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésAccountabilitySustainable developmentEquity (law)Public administrationDistributive justiceParliamentPovertyPolitical scienceGovernment (linguistics)Economic JusticeEmpowermentMillennium Development GoalsDecentralizationEconomic growthEconomicsLawPolitics

Résumé

récupéré en direct d'OpenAlex

Abstract The sustainable development goals (SDGs) present a real opportunity to direct India towards a path of equality and equity. This article posits that India’s plans to achieve the millennium development goals by the end of their term in 2015 faltered because reforms designed to alleviate poverty and achieve equitable growth did not adequately address weaknesses in institutions of accountability, which undermined the reform agenda. These institutions, which include Parliament and the judiciary, exist in part to ensure that actions taken by public officials are subject to oversight so that government initiatives meet their stated objectives. As India shifts its attention to Agenda 2030, its renewed commitment to institutional reforms represents an occasion for the state to address the inequalities in income and the resulting human development concerns. For the government to achieve the SDGs, this article suggests that India must integrate what we refer to as a baseline conception of distributive justice within its plans, which can account for structural barriers to its development arising from ineffective institutions of accountability and provide the poor with a route towards individual empowerment.

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)0,007
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0030,006
Communication savante0,0080,003
Science ouverte0,0010,004
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,030
Tête enseignante GPT0,308
Écart entre enseignants0,278 · 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'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

Citations13
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Law and Development ReviewMême sujetIncome, Poverty, and InequalityTravaux en français237 207