Bibliographic record
Abstract
Auszug Dieser Beitrag beschäftigt sich mit möglichen Modellen für Rentensysteme in der sozialen Sicherheit. Er nimmt häufig auf bestehende Systeme in den Vereinigten Staaten und Kanada (vor allem das Letztere) Bezug, um die Fragen in Zusammenhang mit der Gestaltung eines „guten“ Rentensystems in der sozialen Sicherheit zu beleuchten. Natürlich besteht eines der Probleme darin zu definieren, was „gut“ ist. In diesem Beitrag verwenden wir hierzu Kriterien wie Verringerung der Armut, Angemessenheit des Ruhestandseinkommens, Tragfähigkeit von Leistungen und Beiträgen, Einkommensgleichheit und Wohlstandsverteilung. Im Laufe der Erörterung unseres Themas wird der Leser mit einer Reihe von Fragen konfrontiert, die sich bei der Einrichtung jedes Rentensystems der sozialen Sicherheit auf der Welt stellen. Dies könnte für Länder hilfreich sein, in denen neue Systeme geschaffen werden (wobei auch die bestehenden Systeme sich ständig weiterentwickeln). Wir hoffen auch, dass dieser Beitrag für zukünftige Studenten der sozialen Sicherheit nützlich ist, da er eine Reihe von Grundprinzipien nennt, die mit der sinnvollen Gestaltung von Rentensystemen in der sozialen Sicherheit einhergehen.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.003 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.020 |
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; both teacher heads agree on what is shown here.
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".