L’assurance vie : un atout pour lutter contre la pauvreté monétaire des travailleurs dans la CEMAC
Notice bibliographique
Résumé
L’objectif de cette étude est de déterminer l’effet de l’assurance vie sur la pauvreté monétaire des travailleurs dans la Communauté Économique et Monétaire de l’Afrique Centrale (CEMAC). Pour ce faire, les données issues de la Banque mondiale (2019), du Programme des Nations Unies (PNUD, 2018) et de Global Financial Development Database (2019) ont justifié une période d’étude qui va de 2007 à 2017. L’estimation du modèle retenu dans ces travaux s’est faite, par les moindres carrés à variables indicatrices ensuite corrigés des problèmes d’hétéroscédasticité et d’autocorrélation des termes d’erreurs par le panel corrected standard error (PCSE) et les moindres carrés réalisables (FGLS), puis par la méthode des moments généralisés (GMM) et les doubles moindres carrés (IV). À la suite de quoi il ressort premièrement que l’assurance vie permet de réduire significativement le pourcentage de travailleurs pauvres dans la CEMAC. Et dans un second temps, il ressort que l’éducation est un levier important pour combattre la précarité des travailleurs de cette sous-région. Enfin, les résultats montrent qu’un salaire élevé, la stabilité politique et une hausse du taux de croissance du produit intérieur brut (PIB) par tête réduisent aussi le pourcentage de travailleurs pauvres dans la CEMAC.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».