La réforme des États-providences « libéraux » au Canada et aux États-Unis, ou la revanche de Friedman
Bibliographic record
Abstract
Depuis la fin des années 1970, les programmes de transferts sociaux basés sur le concept d'impôt négatif, proposé par Milton Friedman au début des années 1940 et brièvement envisagé au cours de la décennie 1960, gagnent du terrain au Canada et aux États-Unis. Leur développement coïncide avec l'érosion continue des formes traditionnelles d'assistance, fondées sur le critère de ressources, la notion d'assurance sociale et le principe d'universalité. Cette forme inédite de redistribution de la richesse par l'État se développe sur fond d'austérité, ralliant en une coalition politique inattendue les tenants du recul de l'État-providence et les groupes qui soutiennent la fonction redistributive des dépenses de l'État. Des deux pays, c'est le Canada qui est allé le plus loin dans la voie de l'impôt négatif, devenue celle de plus de la moitié de ses transferts sociaux ; aux États-Unis, seule s'inscrit dans cette foulée la progression de l'Earned Income Tax Credit, programme plutôt modeste à ses débuts. La conception des programmes sociaux préexistants, les tensions interraciales aux États-Unis et les structures législatives comptent parmi les explications invoquées ici pour expliquer la situation des deux pays et leurs différences.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.010 | 0.012 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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.
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".