MétaCan
Menu
Retour à la cohorte
Enregistrement W3135062683 · doi:10.5539/jel.v10n2p109

States, Institutions, and Literacy Rates in Early-Modern Western Europe

2021· article· en· W3135062683 sur OpenAlexvenueno aff
Tyrel C. Eskelson

Notice bibliographique

RevueJournal of Education and Learning · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHistorical Economic and Social Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLiteracyIncentiveNumeracyPopulationEnlightenmentPer capitaPoliticsEconomic growthPolitical scienceEconomicsSociologyMarket economyDemography

Résumé

récupéré en direct d'OpenAlex

The purpose of the paper is to develop the theory that structural or procedural changes in institutions precede changes in education in a society. It examines the development of pre-modern institutions in Western Europe in the 16th and 17th centuries and the influences this had on growth in literacy rates within these states. Literacy rates in Western European countries during the Middle Ages were below twenty percent of the population. For most countries, literacy rates did not experience significant increases until the Enlightenment and industrialization. Two early exceptions to this broad trend were the Netherlands and England, which had achieved literacy rates above fifty percent of their populations by the mid-seventeenth century. The explanations for these divergent trends are the structural changes in formal institutions that embodied capital markets, protected private property, and overall established the initial steps in developing modern political institutions. This created incentives to invest more in schools per capita as well as incentives for a middle class to invest more in literacy and numeracy skills for a market-exchange economy that was becoming more specialized in division of labor.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,578
Score d'incertitude au seuil0,188

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,036
Tête enseignante GPT0,284
Écart entre enseignants0,249 · 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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetHistorical Economic and Social StudiesTravaux en français237 207