Notice bibliographique
Résumé
accounting explanation, wealth inequality 178-85 ADS survey 152-4 African Americans portfolio span 369 wealth 64-80, 82-3 age and portfolio composition, US 369, 380-82, 423 and portfolio span, US 369 and stock ownership, US 141 and wealth Canada 154, 168, 175 Germany 205-11, 216 Sweden 281, 283-4, 288-91 US 91-4, 129-33 and wealth gap, Canada 175 and wealth polarization, US 416, 432 ageing population and wealth inequality, Canada 171 Altonji, J. 175 Andersson, B. 286, 290 Ando, A. 226 asset ownership African Americans 73 Chile 332-7 parental influences 344-8, 351-4 US 92-3, 101-2, 122-4, 134 Atkinson, A.B. 261-2 average wealth Canada 154-6 US 145 baby boomers retirement wealth, Sweden 288-91, 292 wealth, US 59-64, 82 Bank of Italy, household wealth survey (SHIW) 230-41 Becker, G. 330 black people, US, see African Americans Blank, R.M. 394 Blau, F. 173 Börsch-Supan, A. 195 Burkhauser, R.V. 195, 217, 218, 394 business equity ownership Chile 334 and wealth inequality, Canada 183 businesses valuation, SHIW 231-2 Canada family structure and wealth inequality 169-72 wealth data 154-6 wealth inequality 156-87 wealth surveys 152-3 Cannari, L. 237, 272 Card, D. 394 children effect on household wealth, US 131-3 parental wealth and living standards, Chile 337-60 effect on stock ownership, US 142-3 Chile asset ownership 332-7 parental wealth and children's outcomes 337-60 parental wealth and home ownership 354-9 composition of household wealth, see portfolio composition consumer durables valuation, SHIW 231 consumption behaviour, effects of parental wealth, Chile 341-4 Cowell, F.A. 256
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,547 | 0,503 |
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 source (Gemma direct ou Codex distillé), 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 ».