MétaCan
Menu
Back to cohort

Pauvreté et exclusion sociale

2007· book-chapter· fr· W1667926995 on OpenAlexaboutno aff
Guy Fréchet, Anne-Catherine Guio, Pierre Lanctôt, Alexandre J. S. Morin

Bibliographic record

VenueDe Boeck Supérieur eBooks · 2007
Typebook-chapter
Languagefr
FieldSocial Sciences
TopicIncome, Poverty, and Inequality
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPolitical sciencePhilosophy

Abstract

fetched live from OpenAlex

Résumé Ce texte aborde la question du risque de pauvreté au Québec (Canada) et en Wallonie (Belgique) dans une perspective comparative. L’analyse s’appuie sur des indices de pauvreté – les indices de Foster, Greer et Thorbecke – qui permettent de caractériser non seulement l’incidence du risque de pauvreté « FGT(0) », mais également l’intensité de la pauvreté « FGT(1) » et un révélateur de l’aversion à la pauvreté, que nous appelons la gravité de la pauvreté « FGT(2) ». L’incidence est la proportion d’individus vivant dans un ménage disposant de moins de 60 % de la médiane des revenus, conformément aux indicateurs en vigueur dans l’Union européenne. L’intensité correspond à la moyenne des différences entre le revenu des personnes à risque de pauvreté et le seuil de pauvreté divisée par ce seuil, pondérée par le taux de risque de pauvreté. La gravité permet de tenir compte enfin des inégalités entre les personnes en situation de risque de pauvreté, un révélateur de l’aversion à la pauvreté dans une société donnée. Ces indices FGT ont ainsi été calculés pour l’année 2003 en Wallonie et au Québec. Ils nous permettent de comparer, selon diverses caractéristiques des individus ou des ménages, la situation du risque de pauvreté dans nos sociétés respectives. D’après ces indices, la Wallonie affiche un risque de pauvreté inférieur à celui du Québec, sauf dans le cas de quelques sous-groupes, notamment les personnes âgées. De façon générale, les résultats montrent que l’intensité FGT(1) et la gravité FGT(2) du risque de pauvreté vont généralement dans le même sens, mais que celles-ci offrent parfois un portrait différent de l’incidence FGT(0) du phénomène, notamment lorsqu’on considère certains sous-groupes d’une même population ou différentes populations. Ainsi, un certain nombre de ressemblances et de différences ont été mises en lumière, qui permettent d’apprécier certaines des forces et des faiblesses des systèmes de protection sociale de nos entités territoriales respectives.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.004
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Research integrity, Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: none
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.910
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0040.000
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0000.000
Science and technology studies0.0020.002
Scholarly communication0.0000.000
Open science0.0010.000
Research integrity0.0020.002
Insufficient payload (model declined to judge)0.0040.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.072
GPT teacher head0.336
Teacher spread0.265 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designTheoretical or conceptual
Domainnot available
GenreOther

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2007
Admission routes1
Has abstractyes

Explore more

Same venueDe Boeck Supérieur eBooksSame topicIncome, Poverty, and InequalityFrench-language works237,207