MétaCan
Menu
Retour à la cohorte
Enregistrement W3137712745 · doi:10.1080/14616742.2021.1895862

Gender, the World Bank, and conditional cash transfers in Latin America

2021· article· en· W3137712745 sur OpenAlexafffund
Nora Nagels

Notice bibliographique

RevueInternational Feminist Journal of Politics · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePoverty, Education, and Child Welfare
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesFonds de Recherche du Québec-Société et Culture
Mots-clésConditional cash transferLatin AmericansEmpowermentPovertyArgument (complex analysis)SubsidyPolitical scienceGender equalityNorm (philosophy)Cash transfersInequalityEconomic growthSociologyEconomicsGender studiesLaw

Résumé

récupéré en direct d'OpenAlex

Since the mid-1990s, nearly all of the countries in Latin America have adopted a conditional cash transfer (CCT) program. These critical programs – which have become the standard poverty reduction policy across the region – provide subsidies to poor mothers on the condition that they enroll their children in school and take them for health check-ups. The first and norm leader program, Mexico’s Progresa, included gender equality and empowerment of women as part of its original design goals. However, since Progresa, no Latin American CCT program has been designed with reduction of gender inequalities in mind. Feminist scholars have critiqued these programs as “maternalist.” What happened to the goals of gender equality along the way? This article sheds light on the World Bank’s involvement in weakening the gender equality goals that were an integral part of the original policy design. In redesigning CCT programs, the World Bank has sidelined these goals in two significant ways. First, policy entrepreneurs, committed to evidence-based policies, have omitted the female empowerment argument in response to mixed results on the matter of gender and CCTs. Second, gender experts (and gender knowledge) at the World Bank have been marginalized in favor of their economist and development expert colleagues.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,841
Score d'incertitude au seuil0,591

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)0,0010,000

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 Opus0,027
Tête enseignante GPT0,328
Écart entre enseignants0,300 · 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'étudeThéorique ou conceptuel
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

Citations21
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Feminist Journal of PoliticsMême sujetPoverty, Education, and Child WelfareTravaux en français237 207