MétaCan
Menu
Retour à la cohorte
Enregistrement W1855965569

Capital Accumulation, Productivity and Growth

2005· article· en· W1855965569 sur OpenAlexaboutno aff
Dale W. Jorgenson

Notice bibliographique

RevueRivista di Politica Economica · 2005
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProductivityInvestment (military)EconomicsPer capitaOrder (exchange)Capital (architecture)Development economicsInternational economicsMacroeconomicsGeographyPopulationFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A consensus has emerged that the remarkable behavior of IT prices provides the key to the surge in US economic growth after 1995. The relentless decline in the prices of information technology equipment and software has steadily enhanced the role of IT investment. Productivity growth in IT-producing industries has risen in importance and a productivity revival is underway in the rest of the economy. The surge of IT investment in the United States after 1995 has counterparts in all other industrialized countries. It is essential to use comparable data and methodology in order to provide rigorous international comparisons. A crucial role is played by measurements of IT prices. The US national accounts have incorporated measures of IT prices that hold performance constant since 1985. Schreyer (2000) has extended these measures to other industrialized countries by constructing "internationally harmonized prices". The acceleration in the IT price decline in 1995 triggered a burst of IT investment in all of the G7 nations — Canada, France, Germany, Italy, Japan, the UK, as well as the US. These countries also experienced a rise in productivity growth in the IT-producing industries. However, differences in the relative importance of these industries have generated wide disparities in the impact of IT on economic growth. The role of the IT-producing industries is greatest in the US, which leads the G7 in output per capita.

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)0,001
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,500
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0000,002

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 Opus0,029
Tête enseignante GPT0,231
Écart entre enseignants0,201 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRivista di Politica EconomicaMême sujetEconomic Growth and ProductivityTravaux en français237 207