Classifying Sustainable Development Goal trajectories: A country-level methodology for identifying which issues and people are getting left behind
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
How useful are the Sustainable Development Goals for conducting empirical analysis at the country level? We develop a methodological framework for answering this question, with special emphasis on the SDGs' normative ambition of "no one left behind." We first classify all 169 SDG targets and find that 78 incorporate an outcome-focus that is quantitatively assessable at the country level, including 43 through a systematic approach to establishing "proxy targets." We then present a framework for diagnosing the embedded diversity of absolute and relative indicator trajectories in a harmonized manner, based on a country's share of its starting gap on course to be closed by the relevant deadline. In turn, we present a method for estimating the human consequences of falling short on targets, measured by the number of lives at stake and people's basic needs at stake. As a case study, we apply the framework to Canada, an economy not commonly examined in the context of global goals. We are able to assess a total of 61 targets through the use of 70 indicators, including 28 indicators drawn from the United Nations' official database. Overall, we find Canada is on course to succeed on 18 indicators; to cover at least half but less than the full objective on 7 indicators; to cover less than half the required distance on 33 indicators; and to remain stagnant or move backwards on 12 indicators. Among indicators assessed, the country is only fully on track to achieve one SDG. Shortfalls suggest approximately 54,000 Canadian lives at stake and millions of people left behind on issues like poverty, education, intimate partner violence, and access to water and sanitation. Our diagnostic framework enables considerable, if only partial, quantification of a country's SDG challenges, recognizing the wide range of contexts for underlying data availability and societal problems.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle