Welfare comparisons when populations differ in size
Bibliographic record
Abstract
L’objectif principal de cette thèse est de faire des comparaisons sociales impliquant\n des populations de taille différente. Ceci est pertinent pour deux raisons. En\n premier lieu, l’évaluation des politiques publiques implique souvent des comparaisons\n de situations où le nombre d’individus diffère d’une situation à une autre. En second\n lieu, les fondements théoriques de l’évaluation sociale dans le cadre des populations\n de taille variable fournissent peu d’indications sur la façon dont les changements dans\n la taille et dans la distribution des populations peuvent être socialement évalués.\n Après avoir fait une revue de la littérature sur les problèmes de populations et\n particulièrement sur les questions liées à la taille et au bien-être des populations,\n et après avoir examiné comment évaluer socialement des populations de taille différente,\n nous utilisons l’utilitarisme généralisé de niveau critique comme fonction\n d’évaluation sociale. Cette fonction a des fondements éthiques satisfaisants et est\n appropriée pour l’évaluation sociale des populations de taille variable. Mais elle requiert\n l’usage d’une valeur du niveau critique, un paramètre clé dans cette approche.\n Nous proposons un cadre de dominance basé sur l’utilitarisme généralisé de\n niveau critique. Nous montrons comment cette dominance est reliée à la dominance\n stochastique en pauvreté. Ceci est présenté dans le premier essai.\n Dans le deuxième essai, nous développons un cadre théorique, normatif et statistique\n pour estimer des bornes inférieures et supérieures robustes des niveaux critiques\n sur lesquelles les distributions des populations peuvent être ordonnées. Nous\n illustrons les résultats théoriques en utilisant des données réelles du Canada tirées\n d’enquêtes auprès des ménages. Nous étendons les applications à une échelle nationale, régionale et mondiale.\n Les résultats indiquent de manière convaincante que la valeur de l’humanité peut\n être considérée comme ayant globalement augmenté entre 1990 et 2005, mais pas\n pour beaucoup de régions du monde. Ceci fait l’objet du troisième essai.
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 | 0.022 | 0.083 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.003 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 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".