Exporting pandemics: free trade agreements and the global diffusion of unhealthy behaviours
Notice bibliographique
Résumé
This thesis is about the causes of unhealthy behaviours, and the role of Free Trade Agreements (FTAs) in shaping them. Unhealthy behaviours include smoking, harmful alcohol consumption, and excess caloric intake. Sociologists have primarily investigated the causes of these behaviours with reference to individuals’ socio-economic and local environmental characteristics. Yet these determinants may, in turn, be shaped by a society’s macro-economic and political institutions, including FTAs. FTAs are major policy instruments that are increasingly being used to promote cross-border trade and investment. In doing so, FTAs may unintentionally foster the cross-border diffusion of unhealthy behaviours and constrain governments’ abilities to regulate them. However, scholars’ understanding of whether and how these impacts prevail is limited: most prior analyses precluded causal conclusions, whilst more rigorous statistical analyses of FTAs primarily focussed on economic outcomes. In this thesis I address these gaps. In the first empirical chapter I used a natural experiment design to evaluate whether entering into an FTA with the US corresponded to a rise in caloric intake in Canada. In a second analysis I used the synthetic control method to disentangle the specific clauses within FTAs that lead to dietary changes. In a third study I created a new dataset to investigate how FTAs might constrain governments’ abilities to introduce regulations aimed at preventing unhealthy behaviours. These empirical chapters advance previous analyses of FTAs and unhealthy behaviours by providing more robust evidence to infer a causal effect of FTAs and by elucidating their pathways to impact. They also make two broader, inter-related contributions to social scientific scholarship. First, my findings demonstrate the importance of FTAs for sociologists’ understanding of the causes of unhealthy behaviours. Second, my thesis shows that FTAs can have detrimental consequences for a society’s well-being in ways that are often overlooked in economic FTA evaluations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».