Beyond austerity: pro-public strategies versus public-private partnership scandals
Notice bibliographique
Résumé
Three decades of neoliberal era spending restraint have left countries around the world with a public infrastructure investment crisis. By 2030, according to one prominent estimate, the global need for infrastructure spending will total US$57 trillion (McKinsey Global Institute 2013). This infrastructure investment crisis comes at a time of renewed austerity with governments of all stripes committed to balancing budgets and paying down debt in the wake of the 2008 GFC. Recent austerity matches well-established neoliberal currents, coalescing to reconfigure sources of revenue for public works such as drawing on private finance to pay for state infrastructure through public-private partnerships (PPPs), and the further institutionalization of PPP through new generation initiatives like the Canada Infrastructure Bank. However, as explored here, the normalization of PPPs today ignores a long run, scandalous track record: market monopolization by corrupt and inept private partners, troublesome bankruptcies and bailouts, and national revenue extraction through private partner equity rights and offshoring practices. Thus the chapter argues that alternatives to austerity require not only more spending, but also new types and sources of spending – namely, finding alternatives to private financing for public infrastructure. Alternative strategies include enacting ‘pro-public’ reforms to public sectors and mobilizing national sources of pooled savings for community-oriented purposes. The effects of the 2020 pandemic pandemonium are equally significant though they appear at this stage to be following familiar lines with governments encouraging PPPs despite their drawbacks, and the need for enhanced commitments to pro-public strategies being all the more dire.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».