Unemployment and Health Indicators: Case of Turkey
Bibliographic record
Abstract
Bu çalışma, işsizlik oranlarındaki değişimler ve sağlık göstergeleri arasındaki ilişkiyi, ulusal ve bölgesel düzeyde veriler kullanarak, Türkiye için incelemektedir. Ulusal verilere dayalı zaman serisi modelleri ve bölgesel veri setine bağlı sabit etkiler modelleri farklı sağlık göstergeleri için tahmin edilmektedir. 1960-2015 yıllarını kapsayan zaman serisi analiz sonuçlarına göre işsizlik oranı ile farklı sağlık göstergeleri arasında istatistiksel olarak anlamlı korelasyonlar bulunmuştur. İşsizlik oranı ile yaşam beklentisi arasında negatif ve konjonktür yanlısı bir ilişki gözlemlenirken işsizlik oranı ile doğum oranı, kaba ölüm oranı ve bebek ölüm oranı arasında pozitif ve konjonktür karşıtı ilişkiler olduğu gözlemlenmiştir. Zaman serisi analizinde ortaya çıkan bulgularla işsizlik oranı ile bebek ölüm oranı, doğum oranı ve ekonomik nedenlere bağlı intihar sayısı arasında pozitif ve konjonktür karşıtı ilişkiler bulunmuştur ve bu ilişkiler istatistiksel olarak anlamlıdır. İşsizlik oranı ile kaba ölüm oranı arasında negatif ve konjonktür yanlısı bir korelasyon gözlemlenmiştir, ancak bu korelasyon istatistiksel olarak anlamlı bulunmamıştır.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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 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".