Ключевые слова
многомерный индекс бедности
искусственный интеллект
Как цитировать
Аннотация
Измерение уровня бедности является важной задачей для каждого государства. Хотя в сфере измерения уровня бедности проводится множество исследований, так и не был разработан единый измерительный подход. Данная статья посвящена выявлению и изучению современных тенденций в измерении уровня бедности. Было выявлено, что в настоящее время учёные заинтересованы в использовании нетрадиционных источников данных и современных технологий, включая искусственный интеллект, для измерения уровня бедности. Следует отметить, что эти современные подходы были результативнее по сравнению с традиционными методами
Библиографические ссылки
Oʻzbekiston Respublikasi Vazirlar Mahkamasining “2030-yilgacha boʻlgan davrda barqaror rivojlanish sohasidagi milliy maqsad va vazifalarni amalga oshirishni jadallashtirish boʻyicha qoʻshimcha chora-tadbirlar toʻg‘risida”gi 83-son qarori, 2022 yil 22-fevral
Perry, Guillermo. Poverty reduction and growth: virtuous and vicious circles. World Bank Publications, 2006
Sachs, Jeffrey D. "Can extreme poverty be eliminated?." Scientific American 293.3 (2005): 56-65
Azariadis, Costas, and John Stachurski. "Poverty traps." Handbook of economic growth 1 (2005): 295-384.
Breunig, Robert, and Omer Majeed. "Inequality, poverty and economic growth." International Economics 161 (2020): 83-99.
Veit-Wilson, J. (1986). Paradigms of Poverty: A Rehabilitation of B.S. Rowntree. Journal of Social Policy, 15(1), 69-99. doi:10.1017/S0047279400023114
Davis, P.; Sanchez-Martinez, M. Economic Theories of Poverty the Research. 2015. Available online: https://www.bl.uk/ britishlibrary/~{}/media/bl/global/social-welfare/pdfs/non-secure/e/c/o/economic-theories-of-poverty.pdf (accessed on 17 July 2020).
Davids, Y.D.; Gouws, A. Explaining Poverty: A Comparison between Perceptions and Conditions of Poverty in South Africa. 2010. Available online: http://scholar.sun.ac.za/handle/10019.1/5318 (accessed on 1 May 2020).
Mhlanga, D. Financial Inclusion and Poverty Reduction: Evidence from Small Scale Agricultural Sector in Manicaland Province of Zimbabwe. 2020. Available online: http://repository.nwu.ac.za/handle/10394/34615 (accessed on 1 August 2020)
Mhlanga, D.; Ndhlovu, E. Socio-economic Implications of the COVID-19 for Smallholder Livelihoods in Zimbabwe. Preprints 2020.
Alkire, Sabina, et al. "Multidimensional poverty index 2011: brief methodological note." (2011).
Elvidge, Christopher D., et al. "A global poverty map derived from satellite data." Computers & Geosciences 35.8 (2009): 1652-1660
Isnin, Rusnita, Azuraliza Abu Bakar, and Nur Samsiah Sani. "Does Artificial Intelligence Prevail in Poverty Measurement?." Journal of Physics: Conference Series. Vol. 1529. No. 4. IOP Publishing, 2020.
Li, G., Cai, Z., Qian, Y., & Chen, F. (2021). Identifying urban poverty using high-resolution satellite imagery and machine learning approaches: Implications for housing inequality. Land, 10(6), 648.
Это произведение доступно по лицензии Creative Commons «Attribution-ShareAlike» («Атрибуция — На тех же условиях») 4.0 Всемирная.
Copyright (c) 2022 Экономика и образование