Sistemes d'atenció de llarga durada per a la cobertura i el finançament de les situacions de dependència: assegurança privada i hipoteca inversa
Bibliographic record
Abstract
Sistemes d'atenció de llarga durada per a la cobertura i el finançament de les situacions de dependència: assegurança privada i hipoteca inversa Daniel Blay Berrueta, doctor en estudis empresarials per la Universitat de Barcelona, en l'especialitat de ciències actuarials i financeres En primer lloc, vull agrair a la Societat Catalana d'Economia l'atorgament del X Premi Ferran Armengol i Tubau, en la seva edició del 2011.Aquest premi suposa per a mi un reconeixement molt important a la feina realitzada durant tot aquest temps, i per això volia agrair especialment al Jurat del Premi que hagi considerat que el treball que vaig realitzar es mereix aquest reconeixement.Poc em podia pensar fa tres anys, quan vaig assistir a l'entrega de l'anterior premi, que el següent que pujaria a rebre aquest premi seria jo.Vull remarcar que aquest treball no hauria estat possible sense la contribució de la meva directora, la doctora Montserrat Guillén, a qui vull agrair molt sincerament tota la dedicació prestada.També vull agrair el suport dels membres del grup de recerca de la Universitat de Barcelona al qual pertanyo, el Grup del Risc en Finances i Assegurances, així com el de tots els meus familiars i amics.Per a totes aquelles persones que heu fet possible que jo avui sigui aquí, el meu màxim agraïment.L'obra guardonada correspon a la meva tesi doctoral, Sistemes d'atenció de llarga durada per a la cobertura i el finançament de les situacions de dependència: assegurança privada i hipoteca inversa, defensada fa dos anys a la Facultat d'Economia i Empresa de la Universitat de Barcelona.Deixeu-me només dos minuts per fer una breu presentació del Grup del Risc en Finances i Assegurances, sobretot perquè els assistents a l'acte puguin comprendre com el treball premiat representa una contribució més a un ampli conjunt de treballs d'investigació portats pel grup, relacionats amb diferents línies de l'àmbit financer i assegurador, en general, i amb l'estudi de la dependència, en particular.Format per aproximadament vint investigadors full-time i més de dotze investigadors externs afiliats al grup, l'equip d'investigació, consolidat per la Generalitat de Catalunya, es caracteritza per la seva elevada capacitat de producció d'outputs, tant mitjançant la publicació d'articles en les principals revistes indexades de l'índex JCR en l'àmbit financer i assegurador, com pel desenvolupament de projectes d'investigació competitius.Els membres de l'equip han publicat diferents articles en revistes tan prestigioses com Journal of Banking and Finance, Accident Analysis and Prevention, Insurance: Mathematics and Economics o Journal of Risk and Insurance, entre moltes altres, i han estat guardonats en diferents ocasions per la seva tasca investigadora, i també gaudeixen d'un ampli reconeixement a escala nacional i internacional.La col•laboració amb investigadors d'algunes de les universitats més prestigioses, com la Wharton School, la City de Anuari [Societat Catalana d'Economia], vol.22 (2016), p. 51-61
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 | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.026 | 0.004 |
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".