The estimate of the underground economy : the contributions of the fuzzy modeling
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Une grande d’attentions ont été accordée au cours des années récentes à l’étude de l'économie souterraine dans de nombreux pays développés et en voie de développement. Les conséquences et les implications politiques associées à cette partie ambiguë de l’économie ont suscité des inquiétudes parmi les économistes et les gouvernements qui ont été amenés à proposer diverses mesures et méthodes d’estimation. Il n’est cependant pas facile d’évaluer avec exactitude et précision la taille (l’ampleur) et la tendance de l’économie souterraine à cause de sa nature cachée (dissimulée, discrète). Néanmoins, certaines techniques ont été utilisées par les économistes pour estimer directement ou indirectement la taille de l’économie souterraine. Dans ce manuscrit de thèse, nous nous intéressons à l’économie souterraine comme un phénomène universel ayant une manifestation unique et incontournable sous forme d’activités à la fois légales et illégales. Le but principal de cette thèse est de proposer des « méthodes floues » (méthode de la logique floue) pour en mesurer la taille et la quantité. Dans un premier temps, nous avons construit un cadre conceptuel nous permettant d’étudier les spécificités de l’économie souterraine. Ensuite, de nombreuses (plusieurs, différentes…) méthodes communes d’estimation (méthodes en vigueur pour l’estimation) de l’économie souterraine ont été examinées. Les conditions de base de l’application du concept flou (de la logique floue) ainsi que les conditions initiales de l’économie souterraine ont été explorées (interrogées) pour voir si elles correspondent les unes aux autres (si elles font la paire, si elles sont cohérentes). Dès lors que la logique floue permet une modélisation rapide même avec des données imprécises et incomplètes et des fonctions non-linéaires d’une complexité arbitraire et d’atteindre la simplicité et la flexibilité, nous avons été encouragés à appliquer cette méthode. Trois méthodes floues ont été proposées pour évaluer l’économie souterraine sur la base des enquêtes initiales réalisées pendant la période 1985-2010, à savoir : la modélisation floue appliquant la moyenne et la variance, la modélisation floue appliquant le regroupement flou, la modélisation floue utilisant de multiples indicateurs et causes avec des données floues. En dernier lieu, la taille de l’économie souterraine a été mesurée pour la France, l’Allemagne, l’Italie, les Etats-Unis et le Canada. Les résultats issus de ces différentes méthodes floues ont ensuite été comparés avec ceux obtenus par d’autres méthodes conventionnelles. Il peut être affirmé que les méthodes proposées dans ce travail de recherche sont qualitativement comparables avec les méthodes couramment utilisées pour évaluer l’économie souterraine.
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.
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 | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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 it