Digitalization of the EU Economies and People at Risk of Poverty or Social Exclusion
Notice bibliographique
Résumé
Despite the fact that a comprehensive analysis of digitalization processes in the EU member states has been carried out, the impact of a country’s digitalization level on the risks of poverty and social exclusion requires further investigation. The purpose of the paper is to verify a hypothesis that a higher level of national digitalization provides positive trends in reducing the risks of poverty and social exclusion for the population. The Digital Economy and Society Index (DESI) was used to evaluate the digitalization levels of the EU countries. The indicator “People at risk of poverty or social exclusion” (AROPE) was applied to estimate the poverty level. As the main research methods, the authors used a comparative and correlation analysis with respect to the above-mentioned indicators, as well as the Monte Carlo method in order to evaluate the probability of a change in the indicator “population at risk of poverty or social exclusion” in 2021. The EU countries with higher digitalization levels have a lower percentage of the population at risk of poverty and social exclusion. However, a higher digitalization level of the EU member states does not provide an accelerated risk reduction of poverty and social exclusion. Statistical calculations with respect to the entire population of these countries mainly indicate reverse processes. At the same time, a further reduction of poverty and social exclusion level is less probable in the countries with a higher level of digitalization. For relatively poor segments of the population (the 1st and 2nd quintiles by income) in the EU member states, the level of digitalization does not play a significant role. For relatively wealthy segments of the population (the 3rd and 4th quintiles by income) the authors noticed a pattern: the higher the level of digitalization is, the lower the risk of poverty and social exclusion becomes. A pairwise comparison of countries with initially similar AROPE values showed that in most cases (3 out of 5), the countries with higher levels of digitalization showed a more significant reduction in poverty and social exclusion. However, the probability of further positive changes in this area is higher for the countries with a lower level of digitalization.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».