Examining the Impact of Social Assistance on Poverty: A Bibliometric Analysis
Notice bibliographique
Résumé
Does social assistance provide benefits at the level necessary to escape poverty? Our literature search found many studies that sought answers to this question. Therefore, this research aims to investigate the dominant theme in publications related to the impact of social assistance on poverty. This research uses bibliometric analysis using RStudio software with the Scopus database. The data collected was processed using RStudio software to produce visualizations and analyze research trends and topic developments regarding the impact of social assistance on poverty. The most cited articles in 2021 had an annual average citation of 1.9, which shows that the articles in that year were extraordinary. The International Journal of Social Welfare has produced 11 articles and is the most productive source. Since the beginning of 2013, the International Journal of Social Welfare has published more than any other source. In this theme, the United States has the most citations; next, Canada and China are the second and third most cited countries. The United States received the highest 378 citations, while Canada and China received 303 and 280 citations. Barrientos is the most contributing author with the highest H-index score of 6, followed by Walker and Gao with an H-index of 5 and 4, respectively. However, what is most interesting in this finding is that Word cloud Poverty (12%) is the most prominent keyword length. Social assistance was only announced at 2%. Research on the impact of social assistance on poverty is still an exciting topic for future research.
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 | 0,009 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,170 | 0,246 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».