La gestion des risques à l'heure de la mondialisation: analyse pratique des préférences individuelles dans vingt‐six pays européens
Bibliographic record
Abstract
Résumé Les risques quotidiens, maladie ou chômage par exemple, peuvent être couverts par l'intermédiaire des mécanismes du marché, des mécanismes publics ou encore des mécanismes locaux. Le marché peut fonctionner avec un niveau de solidarité inférieur à celui des deux autres mécanismes; les mécanismes publics nécessitent le niveau le plus élevé de solidarité obligatoire et les mécanismes locaux renvoient à la solidarité volontaire. Le contexte social modifie les préférences individuelles par rapport à ces mécanismes. Le présent document examine dans quelle mesure ces préférences sont influencées par la mondialisation, c'est‐à‐dire l'ouverture économique, sociale et politique des pays. La série de données utilisées dans la présente étude combine des données issues de l'enquête de 1999‐2000 sur les valeurs des Européens, du Fonds monétaire international (FMI) et de l'indice de la mondialisation du KOF. Elle contient des informations sur 31 554 personnes vivant dans 26 pays européens. Les résultats dégagés de l'analyse logistique à plusieurs niveaux montrent que les préférences en matière d'organisation de la solidarité sont liées aux différentes dimensions de la mondialisation.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".