Le développement de l’assurance des catastrophes naturelles : facteur de développement économique
Bibliographic record
Abstract
Dans le cadre de la société contemporaine ou encore « la société du risque », comme a été baptisée par Beck dans les années quatre-vingt, même la nature des risques a évolué. Certains risques revêtent un aspect dynamique et dont les conséquences sont à grande échelle. De ce fait, ces risques, dits majeurs, remettent en cause les conditions de l’assurabilité telles que définies par Berliner (1982). En effet, l’incertitude croissante qui nous entoure empreint l’assurance par de nouvelles lacunes : l’ignorance de l’occurrence des risques majeurs ainsi que la difficulté de l’évaluation de leurs gravités. Dans ce contexte, la gestion des catastrophes naturelles revêt une grande importance aussi bien pour le bien-être social que pour l’épanouissement du tissu économique et la croissance en général. De ce fait, cet article vise à tester la relation entre une bonne assurance des catastrophes naturelles et le développement économique de vingt-quatre pays de l’OCDE. La technique utilisée est la méthode de données de panel. On propose ainsi une analyse d’intégration-cointégration sur panel, en utilisant la méthode des moindres carrés ordinaires dynamiques (DOLS). Les résultats trouvés approuvent bien l’existence d’une relation positive entre le développement de l’assurance des catastrophes naturelles (mesuré par le taux de pénétration de l’assurance) et l’amélioration du PIB/tête des pays étudiés.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| 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 itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, 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".