Notice bibliographique
Résumé
Abstract This innovative book shows that the health, education, and employment of billions of people have been improving on every continent in the past three decades. The globalization of welfare has had the biggest impact in developing countries, where more than five-sixths of the world’s population live. In Africa, Asia, Latin America, and the Middle East there has been great progress in eradicating infant mortality and illiteracy, people are living longer, and more youths have a chance to get a secondary education. These achievements are the product of a welfare mix combining resources of the household, the market, and the state. Given low starting points, only a minority of developing countries have already caught up with the high standards of welfare in Europe, the United States and Canada, and the Asia Pacific region. Slow but steady rates of progress show that people in a majority of developing countries can expect to catch up with the high, fixed standards of welfare in the next three decades. This will happen sooner in China and later in India, because China has been unusually successful in using its resources to promote welfare, while India has been below the global average. These conclusions are based on the book’s systematic analysis of the Global Welfare Database, which combines official and unofficial data covering 95 per cent of the world’s population. The success of highly developed countries raises questions about how much is enough welfare. At what age will youths learn more by leaving classrooms and becoming employees? Is length of life or quality of life more important for older people? Should unpaid work caring for children and older family members have the same value as working and paying taxes in the official economy?
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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».