MétaCan
Menu
Retour à la cohorte
Enregistrement W2998838225 · doi:10.5430/ijba.v11n1p1

An Analysis on Social Security in Brazil Based on Maranhão

2020· article· en· W2998838225 sur OpenAlexvenueno aff
Fernando Silva Lima, Alessandra Silva Pires, Francisco de Assis Pereira Filho, Michelle Matilde Semiguem Lima Trombini

Notice bibliographique

RevueInternational Journal of Business Administration · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInsurance and Financial Risk Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocial securityPensionChamber of DeputiesProfit (economics)EconomicsDemographic economicsBusinessFinancePolitical scienceLegislatureMarket economyLaw

Résumé

récupéré en direct d'OpenAlex

This study begins with the question: can the new change in the old-age pension system improve the economic-financial performance of the National Institute of Social Security in Brazil? The hypothesis is that the proposed constitutional amendment (PEC) 287/16, which is being presented at the Chamber of Deputies known as the pension reform, including an attempt to change the minimum age for men and women, will not solve the problem of economic crisis and financial expenses of the National Institute of Social Security of Brazil, due to the fact that the greatest impact may be other expenses not identified in this study that revolve around the benefits of retirement. The general objective is to analyze the economic and financial situation of social security in Brazil based on the regional accounting records located in Imperatriz and São Luís do Maranhão between 2008 and 2017. The methodology was defined as descriptive, explanatory and average, such as bibliofigurey, documentary and field. One of the results regarding the increase in the retirement age shows that there is no relation between the income increase indicators when compared to the surplus (profit) or deficit (loss) between 2008 and 2017 in the Social Security of Maranhão.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,480
Score d'incertitude au seuil0,439

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,030
Tête enseignante GPT0,281
Écart entre enseignants0,251 · 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'étudeObservationnel
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Business AdministrationMême sujetInsurance and Financial Risk ManagementTravaux en français237 207