Croissance, redistribution et lutte contre la pauvreté : l’évolution non linéaire de l’approche de la Banque mondiale
Bibliographic record
Abstract
Cet article passe en revue 60 années d’activités de la Banque mondiale, en mettant l’accent sur les variations dans le temps de son attitude face au combat contre la pauvreté. Durant les années cinquante et soixante, la Banque mondiale considérait que le meilleur moyen de lutter contre la pauvreté consistait à créer les conditions d’une croissance la plus forte possible en procédant à des investissements lourds dans les infrastructures physiques. Toutefois, devant la persistance de la pauvreté de masse et de fortes inégalités dans bon nombre de pays en développement malgré des performances assez satisfaisantes en termes de croissance, la Banque mondiale plaça, dès la fin des années soixante, et pour la première fois, « la guerre contre la pauvreté » au centre de son agenda puis elle s’efforça d’élaborer, pendant les années soixante-dix, de nouvelles stratégies de croissance qui soient plus favorables pour les pauvres. Sous l’ère de l’ajustement structurel, la vision de la Banque mondiale a connu également de nombreuses modifications. Durant la première moitié des années quatre-vingt, dans un contexte de crise de la dette, la Banque mondiale a été conduite à reléguer l’objectif de réduction de la pauvreté au second plan, au profit de la restauration des équilibres macroéconomiques et du potentiel de croissance des pays en difficulté. Cependant, en réponse à la critique des coûts sociaux de ses programmes d’ajustement, l’institution financière internationale a réaffirmé son engagement à lutter contre la pauvreté en accordant, dès la fin des années quatre-vingt, une plus grande importance aux conséquences sociales de l’ajustement à court terme et surtout en proposant par la suite de nouvelles stratégies de lutte contre la pauvreté à long terme.
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 | 0.005 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.011 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.014 | 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".