Riqueza, riqueza per cápita, productividad y complejidad, situación social, gasto público y salud : Variables explicativas y explicadas
Bibliographic record
Abstract
El trabajo analiza la posición relativa en cuanto a la generación de riqueza, productividad, complejidad tecnológica, distribución del ingreso, ingresos, así como el gasto público y los resultados en cuanto a la salud, comparando los diversos países según los grupos establecidos por el Banco Mundial y un conjunto acotado en función de trabajos anteriores y con una clasificación por ingresos diversa: Estados Unidos, Alemania, Corea, Japón, con PBI per cápita alto y lugares destacados en eslabones complejos de cadenas globales de valor; Portugal de PBI medio alto sin presencia en eslabones complejos; Argentina, Chile y Malasia de PBI medio; Brasil, Tailandia, Colombia, Indonesia, Argelia, Egipto, de PBI per cápita medio-bajo; Angola y Etiopía, de producto bruto per cápita bajo. Se parte de nuestro enfoque que vincula entre centro y periferia al concepto de complejidad tecnológica. Se trabaja con datos internacionales a disposición, analizando la estructura y las evoluciones recientes. Se puede ver la estrecha relación entre PBI per cápita, ingresos, pobreza, capacidad estatal con la productividad, también - aunque menor- con la complejidad tecnológica. Por último puede verse que las variables trabajadas no determinan los resultados de la salud, al menos para la esperanza de vida. Las causas de esto deberán ser un tema de investigaciones posteriores.
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 | 0.001 |
| Bibliometrics | 0.002 | 0.005 |
| 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) | 0.004 | 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".