Notice bibliographique
Résumé
This book has examined the context, role, design and impacts of income-related housing allowances in a variety of countries. Chapters Two to Ten looked at nine advanced welfare states, while Chapter Eleven explored the experience of the Czech Republic and made comparisons with several other transition economies. This final chapter draws upon the preceding chapters to reflect upon the role of housing allowances in the advanced welfare states. The first section describes the broad welfare regime and housing market context of the ten main countries covered in the book. The second section compares important features of income-related assistance with housing expenditures across these countries. The third section examines key reform pressures and debates about housing allowances and the fourth section focuses on ‘housing vouchers’ as a possible future for income-related assistance with housing expenditures. The final section presents some conclusions. Although housing allowances have become an important policy instrument in many of the advanced welfare states, they are embedded within different national contexts. Table 12.1 summarises some key features of the social protection systems in each country covered by this book. Nine of the 10 countries were included in Esping-Andersen’s typology of welfare regimes (the exception being the Czech Republic). Australia, New Zealand, Canada, the US and Great Britain were described by him as liberal welfare regimes, characterised by a low level of benefits, reliance on means testing and a relative emphasis on private social provision.1 France and Germany were classified as conservative welfare states, characterised by heavy reliance on status-maintaining social insurance schemes with relatively generous, earnings-related benefit levels and an emphasis on the ‘male breadwinner family model’.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».