MétaCan
Menu
Retour à la cohorte
Enregistrement W7160662641 · doi:10.33679/rfn.v6i1e.1706

The Challenge of Decimating Poverty in Latin America by 2010

2017· article· W7160662641 sur OpenAlexaff
Albert Berry

Notice bibliographique

RevueFrontera norte · 2017
Typearticle
Langue
DomaineSocial Sciences
ThématiqueIncome, Poverty, and Inequality
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésLatin AmericansPovertyDistribution (mathematics)Income distribution

Résumé

récupéré en direct d'OpenAlex

Probablemente sea aún muy pronto para llegar a cualquier conclusión definitiva sobre el efecto de los ajustes estructurales a la distribución de ingresos y su efecto sobre la evolución de la pobreza en América Latina; sin embargo, este trabajo intenta evaluar las tendencias arriba mencionadas en siete países lationamericanos durante la década de los ochenta. La evidencia que aquí se presenta apunta hacia una correlación entre los procesos de cambio acelerado en los regímenes de comercio de tales países y una tendencia hacia la concentración de los ingresos. A la vez, este artículo subraya que los países con un proceso gradual de reformas comerciales han mostrado un mejoramiento en su distribución del ingreso.ABSTRACTIt is probably too early to draw any definite conclusions on the effect of structural adjustment in the distribution of income, and the evolution of poverty in Latin America. This paper, however, represents an attempt to assess income distribution trends and the evolution of poverty in seven Latin American countries during the 1980's. The evidence presented here points at a correlation between processes of rapid change in the countries' trade regimes, and a tendency toward the concentration of income. At the same time, this article emphasizes how countries with a gradual process of trade reform have shown an improvement in their distribution of income.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
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 savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,039
Tête enseignante GPT0,316
Écart entre enseignants0,277 · 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'étudeObservationnel
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontera norteMême sujetIncome, Poverty, and InequalityTravaux en français237 207