“Qualité et quantité” des vies humaines : quel arbitrage entre croissance économique et croissance démographique ?
Bibliographic record
Abstract
Cet article traite de la question de savoir si et comment la valeur d’une société devrait varier selon son effectif. Des développements méthodologiques récents ainsi que des applications empiriques sont présentés pour traiter de cette question. Nous utilisons à cet effet une méthode d’évaluation sociale simple et attrayante, mais peu connue, basée sur l’utilitarisme généralisé de niveau critique (UGNC). L’UGNC se base sur le principe que le bien-être social augmente avec la taille de la population si et seulement si les nouveaux arrivants dans la population ont un niveau d’utilité plus élevé que celui d’un niveau critique . Malgré son attrait, l’UGNC pose un certain nombre de difficultés pratiques qui peuvent expliquer pourquoi il est resté en grande partie inexploré. La plus importante de ces difficultés est celle du choix d’une fonction d’agrégation de bien-être individuel et de la valeur du niveau critique. Cet article explique comment ces difficultés peuvent être traitées avec des procédures permettant de définir des ordres partiels définis sur des classes de fonctions de type UGNC. En utilisant ces outils, nous évaluons si le bien-être mondial s’est amélioré au cours des dernières décennies suite à l’augmentation substantielle de la taille de la population mondiale. Classification JEL : D31, D63, I32, O15, Q56.
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 | 0.025 | 0.095 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.007 |
| Science and technology studies | 0.001 | 0.007 |
| Scholarly communication | 0.006 | 0.009 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".