Notice bibliographique
Résumé
• Rising temperatures threaten ice road viability, shortening operational seasons and destabilizing economic activities critical to the NWT’s remote Indigenous communities. • Extended ice road seasons improve incomes in remote NWT communities, particularly benefiting economies with diversified structures. Ice road deviations disproportionately harm low-income communities reliant on resource extraction and subsistence practices, exacerbating price inflation for essentials. • Formal education negatively impacts low-income NWT families due to misalignment with traditional livelihoods and local labor markets, contrasting with its positive effects in high-income, diversified economies. • Social programs effectively support low-income households but may crowd out income-generation incentives in higher-income groups, reflecting regional inequities in economic opportunities. • Sustainable development requires culturally relevant education, targeted social policies, and climate-resilient infrastructure to address systemic inequities and ensure inclusive growth. I estimate the effects of ice road length deviation on the level of income in the Northwest Territories communities. The harsh weather conditions and extreme climates in the NWT magnify the challenges associated with maintaining infrastructure, often undermining its long-term benefits. I find that the disruptions in ice roads, which serve as vital links for northern Canadian communities, exacerbate income inequality by placing a greater burden on low-income households while disproportionately favoring higher-income groups. Education is a critical factor in driving income growth and reducing inequality. Conversely, reliance on social assistance notably reduces income for higher-income families, while it provides a boost for those in need. Larger communities, however, experience more severe economic challenges, especially within lower-income groups.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 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 ».