Building Back Better after the COVID-19 Pandemic
Notice bibliographique
Résumé
In this policy-oriented paper, we provide a pre- and post-pandemic socioeconomic analysis of Peru, along with a financially sustainable five-year Building Back Better recovery plan, which emphasizes the urgency of addressing some of the country’s structural weaknesses. We underscore the importance of public investment for this effort, but widen the focus to include current public expenditure, in order to take steps towards building a more universal social protection system. We show that this also contributes to reducing the gender imbalances in the labor market that the pandemic exposed and exacerbated. We provide a financial programming exercise that demonstrates that the plan is financially responsible under a reasonable fiscal rule. Four core ideas stand out from our analysis. Firstly, while public investment can be key to reigniting economic growth, it does not go very far in tackling structural weaknesses. Secondly, public spending in health can actually achieve this from two fronts: by beginning to build a universal access social protection system and by addressing gender imbalances in the labor market. Thirdly, focusing public discussion on social protection enables a broader approach to policy reform by including formal employment and productivity enhancing reforms, which are essential for the sustainability of a broad social protection system. Finally, we also show that the sector mix in public investment has an impact on employment results, both in terms of the volume of jobs generated and their gender composition.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,006 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,059 | 0,007 |
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 ».