MétaCan
Menu
Retour à la cohorte
Enregistrement W6987611795

Third progress report: the situation in the regions requires an ambitious cohesion policy. inforegio news. Newsletter No. 135, June 2005

2005· other· en· W6987611795 sur OpenAlexaboutno aff

Notice bibliographique

RevueArchive of European Integration (AEI) (University of Pittsburgh) · 2005
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)Member statesEuropean unionEu countriesCohesion (chemistry)Real gross domestic product
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Third progress report: the situation in the regions requires an ambitious cohesion policyOn 17 May, Danuta Hübner presented the 'Third progress report on cohesion' ( 1 ).It presents an update on the situation of the regions in the enlarged EU in terms of incomes, employment and productivity.Sixty-four regions, representing more than a quarter of the EU population, have a GDP per head that is less than 75 % of the Community average.The enlarged Union shows considerable differences in wealth: in 2003, levels of GDP per head ranged from 41 % of the EU average in Latvia to 215 % in Luxembourg.Ireland is the second most prosperous country with a GDP that is 132 % of the EU average.In all the new Member States, the GDP per head is less than 90 % of the EU-25 average; in Bulgaria, Estonia, Latvia, Lithuania, Poland and Romania it is less than half of this level.In 2002, levels of GDP per head ranged from 189 % of the EU-25 average in the 10 most prosperous regions to 36 % in the 10 least prosperous ones.More than a quarter of the Union' s population, in 64 regions, have a GDP per head below 75 % of the average.In the new Member States this applies to 90 % of the population, except in the regions of Prague, Bratislava and Budapest and in Cyprus and Slovenia.In the EU-15, this concerns just 13 % of the population, these low income regions being concentrated in southern Greece, Portugal, southern parts of Spain and Italy and the new Länder in Germany.

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)0,005
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,087
Score d'incertitude au seuil0,290

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0060,004
Science ouverte0,0020,005
Intégrité de la recherche0,0080,005
Charge utile insuffisante (le modèle a refusé de juger)0,0870,065

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 Opus0,016
Tête enseignante GPT0,241
Écart entre enseignants0,225 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchive of European Integration (AEI) (University of Pittsburgh)Travaux en français237 207