Bibliographic record
Abstract
Résumé Le présent article a pour objet d'examiner des modèles potentiels en matière de système public d'assurance vieillesse. A travers d'abondantes références aux systèmes actuellement en vigueur aux Etats‐Unis et, en particulier, au Canada, il décrit les enjeux que soulève tout projet visant à concevoir un système public d'assurance vieillesse «efficace». Un de ces enjeux consiste évidemment à définir ce que l'on entend par «efficace». Les critères utilisés aux fins de notre réflexion sont principalement les suivants: allégement de la pauvreté, adéquation des revenus de retraite, viabilité du ratio prestations/cotisations, égalité de revenus et répartition des richesses. Notre analyse abordera les multiples aspects qu'il convient de prendre en compte lors de la conception d'un système public d'assurance vieillesse, où que ce soit dans le monde. Elle pourrait s'avérer utile dans les pays où un nouveau système a été récemment mis en place (et même dans ceux où le système existant évolue constamment). Nous espérons aussi qu'elle sera appréciée par les étudiants en droit social, puisqu'elle énonce certains principes fondamentaux qu'il convient de respecter lors de l'élaboration d'un système public de retraite efficace.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.010 | 0.010 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.028 | 0.003 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".