Rapport salarial, politiques ciblées de lutte contre la pauvreté et construction d’une protection sociale à visée universelle : le cas brésilien
Bibliographic record
Abstract
Au Brésil, les dix dernières années ont été marquées par l’administration du Parti des travailleurs (PT), le gouvernement de Dilma Roussef ayant succédé en 2011 au gouvernement du président Lula da Silva (2003-2006 et 2007-2010). Ces gouvernements ont fait de la réduction de la pauvreté et des inégalités sociales leur priorité, un objectif qu’ils ont cherché à poursuivre en tentant de générer de la croissance économique tout en créant des emplois dans le secteur formel, ainsi qu’en impulsant des augmentations réelles du salaire minimum et en mettant en place des politiques de transfert de revenus. La pierre d’assise des gouvernements Lula aura été le programme Bolsa Família (Bourse famille), alors que le programme Brasil sem Miséria (Brésil sans misère) sera le programme phare de sa successeure. Cet article cherche à analyser les enjeux autour de la mise en place de ces programmes et de la construction de la protection sociale, dans le cadre de l’aménagement d’une stratégie de lutte contre la pauvreté au Brésil. L’auteur propose des éléments pour une discussion portant sur la question du rapport salarial (et de son évolution) dans le contexte de la dynamique récente de transformation économique. Il réfléchit également à la capacité du gouvernement brésilien de mettre en place ses politiques économiques et sociales dites prioritaires visant l’amélioration des conditions des travailleurs pauvres.
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 | 0.004 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| 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".