MétaCan
Menu
Retour à la cohorte
Enregistrement W3202529422 · doi:10.19181/1999-9836-2018-10013

Topical Questions of Developing the Russian North: Compensation and Incentive Systems Intended to Attract and Consolidate the Population in the Northern and Arctic Regions

2018· article· en· W3202529422 sur OpenAlexaboutno aff
N. Volgin, Liudmila S. Shirokova, Liudmila Mosina

Notice bibliographique

RevueLiving Standards of the Population in the Regions of Russia · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueArctic and Russian Policy Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArcticPopulationGeographyLife expectancyLegislationIncentiveBusinessDemographic economicsEconomicsDemographyPolitical scienceEcologySociology

Résumé

récupéré en direct d'OpenAlex

The Object of the Study. The North and the Arctic.The Subject of the Study. Regional premium rates and rated increases.The Purpose of the Study. Studing of the impact of state guarantees and compensation for persons working and living in the Far North and in the equivalent areas, on the involvement and consolidation of the population, including young people. The Main Provisions of the Article. The characteristics of natural and climatic conditions of the Northern regions and their impact on health and life expectancy, as well as methodological approaches to the size of the regional premium rates are presented. On the basis of statistical data territorial differences in the cost of living of the population in the Arctic regions of the Russian Federation and their compliance with the size of regional premium rates are determined. It is proposed to make amendments in the labour legislation about the practice of accrual of rated increases for young people born and bred in the North. While preparing proposals for improving Northern guarantees and compensation it is necessary to take into account the experience of foreign Northern countries (Canada, Sweden, etc.) of attracting and consolidating qualified specialists and workers in the North.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,398
Score d'incertitude au seuil0,976

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
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 Opus0,031
Tête enseignante GPT0,335
Écart entre enseignants0,304 · 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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLiving Standards of the Population in the Regions of RussiaMême sujetArctic and Russian Policy StudiesTravaux en français237 207