MétaCan
Menu
Retour à la cohorte
Enregistrement W7128520580 · doi:10.64903/1480-6800-28.2.178

Introducing a New Local Dependency Ratio Model for Arab Wealthy Nations: A Case Study of Kuwait Using GIS

2025· article· W7128520580 sur OpenAlexvenueno aff
Muhammad Almatar, Nayef Alghais

Notice bibliographique

RevueArab world geographer · 2025
Typearticle
Langue
DomaineSocial Sciences
ThématiqueDemographic Trends and Gender Preferences
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDependency ratioDependency (UML)Index (typography)WorkforcePopulationDeveloping countrySmall area estimationEstimation

Résumé

récupéré en direct d'OpenAlex

Dependency ratio is a simple demographic indicator measuring the percentage of non-workers over the workforce of a nation. The non-workers are composed by two segments, the youth dependent and aged dependent. These are determined by below 15 years and over 65 years respectively. The index has great utility to determine if a nation is developing or developed. However, in Kuwait, where most of the population are migrants, the index might not reflect the reality of the population. This study hypothesizes that (1) the dependency ratio differs between citizens and migrants, (2) an alternate youth ratio (local ratio) will reflect better the citizen demographic and (3) Kuwait is positioned between developing and developed countries. To test these hypotheses, the study used demographic data to create population layers in ArcGIS. The results showed that spatial demographic differences exist between migrants and citizens living in specific areas of Kuwait. The new local measurement provides a better estimation of the citizen dependency ratio, and these ratios are similar to developing countries for Kuwaitis but not for the overall population, indicating the effect of migrants. This study suggests implementing the modified youth ratio range to other rich Arabic countries. Further studies should be focused in modifying the elderly ratio.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,524
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,009
Études des sciences et des technologies0,0020,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,051
Tête enseignante GPT0,344
Écart entre enseignants0,292 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArab world geographerMême sujetDemographic Trends and Gender PreferencesTravaux en français237 207