MétaCan
Menu
Retour à la cohorte
Enregistrement W6981402397

The Effect of Differences in Treatment of \nthe Canada Emergency Response Benefit \nacross Provincial and Territorial Income \nAssistance Programs

2020· article· en· W6981402397 sur OpenAlexaboutno aff

Notice bibliographique

RevueProject Muse (Johns Hopkins University) · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueHuman auditory perception and evaluation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCashAmbivalencePaymentEarnings
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

La Prestation canadienne d'urgence (PCU) est un programme temporaire de transferts monétaires destiné aux travailleurs dont les revenus ont diminué en raison de la pandémie de la COVID-19. Certains travailleurs bénéficiant de la PCU reçoivent également de l'aide provinciale ou territoriale au revenu. Les objectifs et les définitions de la PCU n'ayant pas été clairement établis, le traitement dont elle fait l'objet varie considérablement selon les programmes d'aide au revenu provinciaux et territoriaux. Les auteures se demandent en quoi ces différences de traitement de la PCU par les programmes provinciaux d'aide au revenu touchent les clients de l'aide au revenu, selon les administrations. Elles se penchent sur les arguments qui auraient dû militer en faveur de l'entière exclusion de la PCI dans le calcul des prestations d'aide au revenu. Abstract: The Canada Emergency Response Benefit (CERB) is a temporary cash transfer program for workers who have reduced earnings due to the COVID-19 pandemic. Some workers receiving the CERB also receive provincial or territorial income assistance. A lack of clear objectives and definitions related to the CERB has led to the CERB being treated very differently by provincial and territorial income assistance (IA) programs. We look at how these different treatments of CERB under provincial income assistance programs affect IA clients across jurisdictions. We consider arguments for why the CERB should have been fully exempted from IA benefits.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,969
Score d'incertitude au seuil0,267

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,000

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 Opus0,017
Tête enseignante GPT0,221
Écart entre enseignants0,204 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProject Muse (Johns Hopkins University)Même sujetHuman auditory perception and evaluationTravaux en français237 207