Inequality in the EU in the First Quarter of the 21st Century: Unusual Trends
Notice bibliographique
Résumé
The article shows the unevenness of economic growth in the European Union in 2000–2023, broken down into three country groups: North, South, and East. The post-socialist East has significantly closed the gap in terms of GDP per capita at PPP (in constant 2021 prices) with the South group, creating an effect of overall convergence in per capita GDP levels in the EU. At the same time, the noticeable growth in the East group countries was accompanied by a decline in population. The gap between the North group and the rest remained, as did significant variation in country levels, although it decreased compared to the time of the EU’s large-scale expansion. At the same time, all groups lagged behind the US during the period under review. The article also examines changes in the income levels of social groups within countries. It reveals a strengthening of the position of the wealthy 10th decile of the population. At the same time, differences between country groups in the scale of tax redistribution of income have a significant impact on it: it is greatest in the developed North, less in the South, and even less in the East. The specifics of redistribution, along with differences in income inequality before taxation, have led to a noticeable convergence of the levels of the wealthy 10th decile of Eastern countries with those of the same group of Southern countries. The parameters of convergence among EU countries seem surprising at first glance: the wealthy strata are converging to a greater extent than the rest of the population or the countries as a whole.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».