Notice bibliographique
Résumé
Abstract The evidence we have on chronic poverty and the fortunes of the poorest people suggests that a significant proportion of the poor, between one-quarter and one-half, are chronically poor in low- and lower-middle-income countries. Using the limited available data covering the last 20 years, this paper examines whether those who were poor in the 1990s could plausibly still be poor today, despite international and national efforts to eradicate poverty. The data on poverty dynamics are restricted to only a few countries, so this paper also explores the changing fortunes of the poorest quintile of the population between the 1990s and the 2000s from 33 Demographic and Health Surveys, concluding that significantly greater benefits (and fewer losses) from development across a range of indicators have gone to the second and third quintiles. This evidence shows that the poorest quintile have indeed lost out: they have not seen the same total amount of benefits as accrued by other wealth groups. The poorest have also lost more land and marry earlier in relative terms. Policies to equalize the benefits of development are wide ranging and often context specific. Many of them are not amenable to international goals and targets and they require positive political change and supportive change in social values. The main action to achieve greater equality is at the national level, and national policy makers need better and especially longitudinal data and analysis, particularly on wages and urban populations, if policies for the poorest are to improve significantly. The post-2015 framework needs to emphasise support for positive actions at national level and be sparing about imposing international goals and targets. While the MDGs focus on critical areas of policy, which should not be lost sight of, the one new goal which could draw attention to the plight of the poorest would be about equality/inequality in its various forms. While the political feasibility of such a goal is in doubt, a second best solution would be to develop equity/equality indicators across any other goals and targets, and then pay a lot of attention to them post 2015.
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,002 |
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 ».