MétaCan
Menu
Retour à la cohorte
Enregistrement W4406476833 · doi:10.4038/jdrra.v2i2.50

Economic Growth, Poverty and Inequality: Update on the Discourse and Lessons for Sri Lanka

2025· article· en· W4406476833 sur OpenAlexaff
Nalaka Herath, Gamini Herath

Notice bibliographique

Revue˜The œjournal of desk research review and analysis. · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIncome, Poverty, and Inequality
Établissements canadiensUniversity of Winnipeg
Organismes subventionnairesnon disponible
Mots-clésSri lankaPovertyInequalityDevelopment economicsEconomicsEconomic inequalityEconomic growthPolitical scienceSocioeconomicsMathematics

Résumé

récupéré en direct d'OpenAlex

The interplay between economic growth, inequality, and poverty underscores the complexity of development dynamics and the challenge of alleviating poverty. Economic growth is necessary for poverty reduction; however, its adequacy is an issue that has been discussed for about 7 decades. Emphasis on growth promoting policies for reducing poverty fluctuated from time to time depending on the empirical findings. Availability of reliable data and improved computing facilities enabled quantifying the relationship between economic growth and poverty reduction. Many studies in the last decade of the 20th century and first decade of the 21st century confirmed that growth reduced poverty but effect of growth on poverty is heterogenous, hence supplementary policies are necessary to enhance growth effect on poverty. Moreover, the increasing inequality dampen the effect of growth on poverty. Sri Lanka is currently experiencing a crisis driven poverty and achieving higher rate of economic growth is critical for reducing wide-spread poverty.

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)0,018
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,745
Score d'incertitude au seuil0,748

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0180,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
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 Opus0,125
Tête enseignante GPT0,459
Écart entre enseignants0,335 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue˜The œjournal of desk research review and analysis.Même sujetIncome, Poverty, and InequalityTravaux en français237 207