How do policies promote the sustainable development of older-adult care industry? A configuration analysis based on policy tools
Notice bibliographique
Résumé
Background: Under the background of population aging in China, the demand for older-adult care services and products is growing, and the older-adult care industry has great development prospects. A sound older-adult care policy system, that is, an effective policy tool mix, plays an important role in improving the sustainable development of older-adult care industry. Materials and methods: Based on older-adult care policy documents from 31 Chinese provinces, this research extracts older-adult care policy tools via text mining. Then extracted policy tools are taken as conditional variables, and the development of older-adult care industry, which is manifested by the number of older-adult care companies across 31 regions is taken as the result variable. Through applying qualitative comparative analysis, the combined effect of different policy tools on the development of older-adult care industry is obtained. Results and discussions: Results show that a single policy tool cannot constitute the necessary condition to facilitate the older-adult care industry. Hence, policy tools should be applied in combination. Five sustainable policy tool mixes which can promote the development of older-adult care industry are summarized, namely supporting policy-driven mode, fiscal and tax support mode led by supply-oriented policy tools, double-team mode driven by fiscal and tax support and the consumer market, multi-subject joint force mode, and technology compensation mode. The overall findings of this study imply that exploring the policy tool combinations is of vital importance to the sustainable development of older-adult care industry.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».