MétaCan
Menu
Retour à la cohorte
Enregistrement W3121935891

Who are the champions? Inequality, economic freedom and the olympics

2019· preprint· en· W3121935891 sur OpenAlexaff
Vadim Kufenko, Vincent Geloso

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2019
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueDoping in Sports
Établissements canadiensThe King's University
Organismes subventionnairesnon disponible
Mots-clésInequalityMedalIncentiveDistribution (mathematics)Income distributionEconomic inequalityEconomicsIncome inequality metricsEconomic freedomIndex (typography)Affect (linguistics)Development economicsPolitical sciencePublic economicsSociologyMarket economyGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Does a countrys level of inequality affect its ability to win Olympic medals? If it does, is it conditional on institutional factors? We argue that the ability of economically free societies to win medals will not be affected by inequality. In these societies, institutions generate incentives to invest in the talent pool of individuals at the bottom of the income distribution (people who are otherwise constrained in the ability to expend resources on athletic training). These effects cancel out those of inequality. In unfree societies, the incentives that promote investments in skills across the income distribution are weaker. Consequently, the effects of inequality on the ability to win are stronger. Using the Olympics of 2012 and 2016 in combination with the Economic Freedom of the World Index, we find that inequality only matters in determining medal numbers for unfree countries. We link these results to the debates on inequality.

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)0,013
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,693
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,004
Communication savante0,0010,000
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
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 Opus0,053
Tête enseignante GPT0,362
Écart entre enseignants0,308 · 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.

Devis d'étudeSans objet
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetDoping in SportsTravaux en français237 207