Notice bibliographique
Résumé
In policy discourse, the assessment of public happiness is at the heart of the happiness movement’s insistence that policy evaluators must look ‘beyond GDP’. But is this radical enough? Why substitute or complement one measurement exercise with another when the key weakness may have been the overemphasis on measurement itself, rather than the choice of measure? People often overrate numbers as the core tool in the process of political persuasion. They trot out claims like ‘if it isn’t counted, it doesn’t count’. But in reality, policies at all levels are much more influenced by stories, pictures, personal charisma, and arguments than they are by numbers. Towards the end of 2010, there was feverish debate in the UK media on the wisdom and sincerity of Prime Minister David Cameron’s decision, at a time of recession and massive cutbacks in public spending, to require the Office of National Statistics to conduct regular happiness surveys as part of national well-being assessment. What’s odd is that, after so many decades of happiness surveys, this should be seen as a controversially novel idea. But the Canadian economist John Helliwell, who has for many years tirelessly tried to persuade his government to give happiness assessment a higher profile in policy making, argues that ‘What is or could be dramatically different in the UK is for the government not just to undertake more widespread and thorough collection of subjective well-being data, but also to give them a central place in the choice and evaluation of public policies. That would be a global first’ (Stratton, 2010).
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».