Instabilité politique et chômage en Afrique subsaharienne
Bibliographic record
Abstract
L’Afrique subsaharienne fait face à des situations d’instabilité politique dans un contexte de chômage de masse. À ce sujet, la littérature économique demeure mitigée sur la relation entre les deux phénomènes. Certains auteurs pensent que c’est l’instabilité politique qui est la source du chômage, d’autres pensent le contraire. A cet égard, l’objectif du présent article est d’étudier la relation entre l’instabilité politique et le chômage en Afrique subsaharienne à l’aide du modèle autorégressif à retards échelonnés (ARDL) en données de panel et des données de 2002 à 2022. Les résultats montrent une relation unidirectionnelle allant du chômage vers l’istabilité politique. Ils permettent de soutenir que, d’une part, le chômage est un lubrifiant de l’instabilité politique et que, d’autre part, le chômage est une conséquence marginale de l’instabilité politique. Ces résultats impliquent que soient élaborées et mises en oeuvre des politiques publiques susceptibles de promouvoir la croissance économique et l’emploi et de renforcer la démocratie et la gouvernance afin de rompre les liens vicieux (chômage-instabilité politique) qui handicapent le processus de développement dans les pays au sud du Sahara. Il s’agit, entre autres, de faire les investissements appropriés dans le capital humain, dans les services sociaux de base et dans la promotion de l’industrialisation afin de faciliter l’accès à l’emploi, notamment pour la jeunesse, qui constitue une partie importante de la structure démographique.
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 | 0.001 | 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 | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
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".