MétaCan
Menu
Retour à la cohorte
Enregistrement W4281711780 · doi:10.26504/bp202301

The impact of Irish budgetary policy by disability status

2022· report· en· W4281711780 sur OpenAlexaff
Karina Doorley, Mark Regan

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineSocial Sciences
ThématiqueRetirement, Disability, and Employment
Établissements canadiensTrinity College
Organismes subventionnairesJoint Research CentreEuropean Commission
Mots-clésWelfareEconomicsDisability benefitsPovertyIrishStandard of livingPopulationDemographic economicsWageLabour economicsEconomic growthMedicineSocial security

Résumé

récupéré en direct d'OpenAlex

Existing research has shown that disability is costly and can result in an increased risk of living in poverty and a decrease in living standards. In this paper, we expand a framework of equality budgeting, previously applied from a gender perspective, to the population of households affected by disability. Using a microsimulation model linked to data from the EU Survey of Income and Living Conditions (EU-SILC), we show how tax-benefit policy and other market income changes between 2007 and 2019 impacted households affected by disability and households not affected by disability. We find that disposable (or post-tax and transfer) income grew for both types of households but at a faster rate for households affected by disability than households not affected by disability. This income growth was driven by two counteracting forces. On the one hand, tax and welfare policy failed to keep pace with market income growth, reducing the living standards of households affected by disability by more than households not affected by disability. On the other hand, despite having lower average wage levels, wage growth for workers affected by disability outpaced wage growth for workers not affected by disability, while the labour supply of households affected by disability also increased. Future attempts to equality-proof budgetary policy should consider that changes to welfare disproportionally affect households with disabilities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,171
Score d'incertitude au seuil0,339

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0040,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,213
Tête enseignante GPT0,506
Écart entre enseignants0,293 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRetirement, Disability, and EmploymentTravaux en français237 207