MétaCan
Menu
Retour à la cohorte
Enregistrement W3117988331 · doi:10.5539/ijef.v13n1p61

Causes and Consequences of Idle Youth in Guatemala

2020· article· en· W3117988331 sur OpenAlexvenueno aff
Luis René Cáceres

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePoverty, Education, and Child Welfare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPopulationLatin AmericansUnemploymentEconomicsDemographic economicsUnemployment ratePrivate sectorEstimationYouth unemploymentRegression analysisEconomic growthPolitical scienceSociologyDemographyStatistics

Résumé

récupéré en direct d'OpenAlex

This paper analyzes the causes and consequences of the percentage of the youth population that is not working, in school or in traning, Neets, in Guatemala. The study rests on the estimation of regression equations that explain the percentage of Neet population in terms of variables associated with the labor market; other set of equations were estimated to assess the role that Neets have in the Guatemalan economy. The data employed was taken from the World Bank’s World Development Indicators. The results indicate that the percentage of female and male Neets decrease as the credit to the private sector increase; said percentage increases with the increase of the deficit in the trade balance and with the increase in youth unemployment. Another result is that the Neet population exert negative impacts on the employment to population ratio and on the rate of economic growth. These results are augmented by the analisis of the relationships existing between the percentages of Neets and economic growth, the number of homicides and the number of persons that are incarcerated using a cross section of 2010 data from 13 Latin American countries. The results presented in the paper should motivate policy makers in Guatemala and other countries to design and implement policies geared towards preventing that youth become Neets.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,076
Score d'incertitude au seuil0,150

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
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 Opus0,031
Tête enseignante GPT0,273
Écart entre enseignants0,243 · 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'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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetPoverty, Education, and Child WelfareTravaux en français237 207