MétaCan
Menu
Retour à la cohorte
Enregistrement W4379622200 · doi:10.1353/eco.2016.a616970

Challenges to Promoting Social Inclusion of the Extreme Poor: Evidence from a Large-Scale Experiment in Colombia

2016· article· en· W4379622200 sur OpenAlexfundno aff
Laura Abramovsky, Orazio Attanasio, Kai Barron, Pedro Carneiro, George Stoye

Notice bibliographique

RevueEconomía · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePoverty, Education, and Child Welfare
Établissements canadiensnon disponible
Organismes subventionnairesEconomic and Social Research CouncilInternational Development Research Centre
Mots-clésPovertyScale (ratio)Randomized experimentExtreme povertyWelfareSupplemental Nutrition Assistance ProgramIntervention (counseling)Impact evaluationSocial WelfareBusinessWelfare reformSet (abstract data type)Economic growthDemographic economicsPublic economicsEconomicsPolitical scienceMedicineNursingGeographyComputer science

Résumé

récupéré en direct d'OpenAlex

We evaluate the large scale pilot of an innovative and major welfare intervention in Colombia, which combines homes visits by trained social workers to households in extreme poverty with preferential access to social programs.We use a randomized control trial and a very rich dataset collected as part of the evaluation to identify program impacts on the knowledge and take-up of social programs and the labor supply of targeted households.We nd no consistent impact of the program on these outcomes, possibly because the way the pilot was implemented resulted in very light treatment in terms of home visits.Importantly, administrative data indicates that the program has been rolled out nationally in a very similar fashion, suggesting that this major national program is likely to fail in making a signicant contribution to reducing extreme poverty.We suggest that the program should undergo substantial reforms, which in turn should be evaluated.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,003
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,051
Tête enseignante GPT0,307
Écart entre enseignants0,256 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconomíaMême sujetPoverty, Education, and Child WelfareTravaux en français237 207