MétaCan
Menu
Retour à la cohorte
Enregistrement W1606200810

Will fast productivity growth persist

2007· article· en· W1606200810 sur OpenAlexaboutno aff
John G. Fernald, David P. Thipphavong, Bharat Trehan

Notice bibliographique

RevueFRB SF weekly letter · 2007
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProductivityBoomQuarter (Canadian coin)EconomicsAnnual growth %Growth rateAgricultural economicsDemographic economicsEconomic growthGeographyEnvironmental science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Strong productivity growth is essential for improving living standards and can have an important impact on economic policy, yet economists are far from being experts at predicting when the trend of productivity growth might shift. In the 1960s, productivity growth boomed, growing at an average annual rate of 2%. It weakened in the early 1970s, and for the next two decades or so averaged an annual growth rate of only about 1%. Then, in the mid-1990s, productivity growth boomed again, averaging about a 3 % annual rate from the last quarter of 1995 through the middle of 2004. These shifts were not predicted and were generally not widely recognized until years after they occurred. Considering that, since the middle of 2004, productivity growth has averaged only about 1 % per year, it may be time to ask whether this is just a "pause " in the boom that started in the mid-1990s or a shift back to the growth rates seen in the 1970s and 1980s. This Economic Letter begins to answer this question by focusing on the factors that underlay the most recent productivity boom and what they may portend for the future. Information and communications technology and the productivity surge Technological innovation is often associated with productivity booms. The most obvious such innovations in recent decades have been in the production of information and communications

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,570
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,003

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,021
Tête enseignante GPT0,191
Écart entre enseignants0,170 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFRB SF weekly letterMême sujetEconomic Growth and ProductivityTravaux en français237 207