Brazil Poverty and Equity Assessment : Looking Ahead of Two Crises
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In 2020, Brazil was about to face socioeconomic disruptions of historical proportions. The onset of the COVID-19 pandemic broke several undesirable Brazilian records. First, the pandemic wreaked an enormous direct human toll, sickening millions and causing the death of 195,441 Brazilians in 2020 and 619,056 in 2021. Second, the Brazilian economy experienced its worst contraction in recorded history, with real gross domestic product (GDP) per capita growth in 2020 at -4.7 percent (compared to the previous record of -4.4 percent in 2015). Third, COVID-related closures and other measures led to a massive, unprecedented exit of workers, with an estimated 10 million people leaving the labor force between the third quarter of 2019 and the third quarter of 2020. The economic crisis induced by the pandemic is the second in Brazil’s recent economic history, following the 2014 to 2016 crisis. These downturns have nearly halted its poverty reduction progress and widened disparities in what was already one of the most unequal countries in the world. The Brazil Poverty and Equity Assessment takes an analytical approach to study the situation of the Brazilian population as they were facing these economic shocks. With a focus on the more recent pandemic shock, the report combines household survey, administrative and phone survey data to: i) analyze how the most vulnerable weathered the impacts of the pandemic and how the support of the government provided protection during this time; ii) present an in-depth profile of the monetary poor and vulnerable, including data from traditional communities not published before; iii) understand the non-monetary vulnerabilities of the population such as the risks to climate change events; and iv) discuss public policy implications that can help tackle the deep rooted causes of poverty.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,008 | 0,023 |
| Intégrité de la recherche | 0,000 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 découle