MétaCan
Menu
Retour à la cohorte
Enregistrement W7095864360

CHAPTER 8. THE ECONOMICS OF GOVERNMENT HOUSING ASSISTANCE FOR THE POOR

2015· article· en· W7095864360 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban, Neighborhood, and Segregation Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSubsidyGovernment (linguistics)Subsidized housingPublic housingRentingQuarter (Canadian coin)Rental housingStock (firearms)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Since the 1930s, the federal government has undertaken several major efforts to provide housing assistance to low-income individuals. The government attempts to help low-income individuals reduce housing costs or improve the quality of housing consumed through a variety of programs, most of them administered through the U.S. Department of Housing and Urban Development (HUD). In the past, the majority of federal housing assistance occurred through the construction of public housing while today most federal housing aid occurs through rental assistance programs (U.S. House of Representatives 2004). In constructing publicly owned and managed housing, government attempts to increase the quality of the housing stock available to low-income individuals. Rental assistance programs, on the other hand, try to increase the quality of low-income housing either through building or rehabilitation programs geared toward low-income households or through direct subsidies that allow low-income households to rent better private units than they otherwise would rent. These two types of housing assistance come under a variety of different programs and in various forms, but at the core they comprise two somewhat distinct approaches to providing housing assistance to the poor. In real terms, total outlays for all housing programs administered by HUD have grown over the past quarter century (Table 1). From 1977 to 2002, total spending by HUD on all of its housing programs grew from $7.2 billion to $31.8 billion even after

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0160,001

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.

Tête enseignante Opus0,099
Tête enseignante GPT0,301
Écart entre enseignants0,202 · 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'étudeThéorique ou conceptuel
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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUrban, Neighborhood, and Segregation StudiesTravaux en français237 207