Borgerlønnsinspirerte forsøk i fire moderne velferdsstater. En litteraturstudie
Bibliographic record
Abstract
Notatet er en del av prosjektet «Borgerlønnsforsøk i moderne velferdsstater: En kunnskapsoppsummering», som undersøker borgerlønnseksperimenter i Canada, Tyskland, Nederland og Finland. Målet er å trekke erfaringer fra disse forsøkene som kan være relevante for den norske trygdepolitiske debatten, og vurdere potensielle lærdommer for fremtidige norske forsøk inspirert av borgerlønn.\n\nStudien er basert på dokumentanalyser av tidligere forskning og offentlig tilgjengelig dokumentasjon. Den ser på bakgrunnen for forsøkene, hvordan de ble gjennomført, og hvilke resultater de har gitt. Ingen av forsøkene tester en "ren" borgerlønn, men utforsker enkelte aspekter ved konseptet. Deltakerne i Nederland og Finland mottok allerede ytelser, mens de i Canada og Tyskland ble valgt ut basert på inntekt.\n\nHovedfunnene viser at sysselsettingseffektene fra forsøkene i Nederland og Finland er beskjedne. Likevel hadde deltakerne ikke lavere sysselsetting enn kontrollgruppene som var underlagt det vanlige aktiveringsregimet. Økt livskvalitet blant deltakerne ble rapportert i både Nederland og Finland. \nFor Norge er det nyttig å hente inspirasjon fra disse forsøkene, spesielt verdien av å bruke systematiske eksperimenter før politiske vedtak. Erfaringene viser at lengre varighet er viktig for å takle komplekse utfordringer som å øke sysselsetting blant vanskeligstilte grupper. En klar definisjon av evalueringsmål er også avgjørende for å kunne tolke resultatene riktig.\n\nProsjektet er finansiert av Stiftelsen Sat Sapiendi med støtte fra Kompetansesenter for arbeidsinkludering (KAI) ved OsloMet.
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 | 0.005 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.012 | 0.007 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.108 | 0.021 |
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".