MétaCan
Menu
Retour à la cohorte
Enregistrement W4360612650 · doi:10.1553/p-g5fe-hafz

How much would reduced emigration mitigate ageing in Norway?

2023· article· en· W4360612650 sur OpenAlexaboutno aff
Marianne Tønnessen, Astri Syse

Notice bibliographique

RevueVienna Yearbook of Population Research · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInsurance, Mortality, Demography, Risk Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEmigrationAgeingFertilityPopulation ageingImmigrationPopulationDependency ratioDemographyQuarter (Canadian coin)Demographic economicsGeographyEconomicsMedicineSociology

Résumé

récupéré en direct d'OpenAlex

Population ageing is a topic of great concern in many countries. To counteract the negative effects of ageing, increased fertility or immigration are often proposed as demographic remedies. Changed emigration is, however, rarely mentioned. We explore whether reduced emigration could mitigate ageing in a country like Norway. Using cohort-component methods, we create hypothetical future demographic scenarios with lower emigration rates, and we present (prospective) old-age dependency ratios, population growth and shares of immigrants. We also estimate howmuch fertility and immigrationwould have to change to yield the same effects. In different scenarios, emigration is reduced for the total population and for subgroups, while also taking into account that reduced emigration of natives will entail reduced return migration. Our results show that even a dramatic 50% decrease in annual emigration would mitigate ageing only slightly, by lowering the old-age dependency ratio in 2060 from 0.54 to 0.52. This corresponds to the anti-ageing effect of 15% higher fertility, or one-quarter extra child per woman.

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)0,005
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 enseignants0,171
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
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 Opus0,124
Tête enseignante GPT0,429
Écart entre enseignants0,305 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVienna Yearbook of Population ResearchMême sujetInsurance, Mortality, Demography, Risk ManagementTravaux en français237 207