Bibliographic record
Abstract
Depuis les années 1970, la situation économique et sociale n’a cessé de se dégrader aux États-Unis. On invoque souvent à ce sujet l’endettement du pays, le déficit budgétaire de même que la balance commerciale défavorable. Crise de croissance et problèmes de modernisation industrielle semblent reliés. Or cette situation et les mesures de redressement qu’elle commande n’ont pas le même impact pour tous les groupes sociaux. Et à ce sujet le reaganisme est forcément en cause. Après avoir situé la politique de Reagan dans son contexte historique, l’auteur nous présente rapidement le contenu idéologique de sa politique économique de même que ses principales réalisations. Alors que les retraités de l’État et de l’armée ainsi que les personnes âgées obtenaient certains avantages, une couche importante de la population américaine perdait du terrain, les paiements de transfert aux pauvres ayant été réduits. Comment évaluer les choix politiques de Reagan ? L’impasse dans laquelle se trouvaient déjà les États-Unis lorsque le président Reagan a été élu n’a vraisemblablement pas été dénouée par le recours à une économie politique de l’offre. La marge de manoeuvre qui reste au futur président et à tout le pays semble maintenant à toutes fins pratiques inexistante.
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 | 0.006 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.010 | 0.009 |
| Scholarly communication | 0.013 | 0.008 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.008 |
| Insufficient payload (model declined to judge) | 0.016 | 0.002 |
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".