A Framework to measure the progress of societies
Bibliographic record
Abstract
Un cadre d’analyse pour mesurer le progrès de sociétés Pendant les trois dernières décennies, un certain nombre de cadres ont été développés afin de promouvoir et mesurer le bien-être, la qualité de la vie, le développement humain et le développement durable. Quelques cadres se servent d’une approche conceptuelle tandis que d’autres emploient une approche consultative. Des initiatives différentes pour mesurer le progrès exigeront des cadres différents. Ce papier a pour objectif de présenter une proposition de cadre pour mesurer le progrès de sociétés et de le comparer avec d’autres cadres de progrès qui sont utilisés en ce moment à travers le monde. Le cadre n’aspire pas à être définitif, mais suggère plutôt un point de départ commun que les auteurs croient universel et assez flexible pour être appliqué dans un grand nombre de situations à travers le monde. L’intention est également que ce cadre puisse être utilisé pour identifier des lacunes dans les normes statistiques existantes et guider le travail afin de combler ces lacunes.
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 | 0.012 | 0.023 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.014 | 0.010 |
| Science and technology studies | 0.002 | 0.008 |
| Scholarly communication | 0.010 | 0.012 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.011 | 0.003 |
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".