A History of Social Protection in Latin America: From Conquest to Conditional Cash Transfers
Bibliographic record
Abstract
Cet article examine le développement de l'État-providence en Amérique Latine depuis la conquête, illustrant la façon dont les dotations en facteurs initiaux ont arrêté le développement de politiques sociales inclusives. Avec l'industrialisation, l’assurance sociale a été étendue aux classes défavorisées et en milieu urbain. Cependant, ce sont les crises de la dette des années 1980 – et non la démocratie - qui entraînèrent la création de politiques d'aide sociale efficaces sous la forme de transferts monétaires conditionnés (TMC). Contrairement aux politiques antérieures de l'aide sociale, les TMC ciblent mieux les pauvres, et ont réussi à augmenter les revenus tout en améliorant les indicateurs de développement humain. Ces derniers ne sont toutefois pas parvenu à modifier les fondements de l'État-providence en l'Amérique latine, qui se caractérise toujours par un système à deux vitesses: les riches ont une protection distincte et de meilleure qualité que les pauvres, ainsi que l'accès à de meilleurs services de santé et d'éducation. Ainsi, alors que CCTs apaisent les tensions sociale, certains pourraient même les qualifier de populisme, ils ne sont pas une solution pour les inégalités existantes ; ils pourraient même retarder la création d'un État-providence réellement inclusif.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 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".