MétaCan
Menu
Retour à la cohorte
Enregistrement W1987307063 · doi:10.5509/2011844715

Is Malaysia Facing Negative Deindustrialization?

2011· article· en· W1987307063 sur OpenAlexvenueno aff
Rajah Rasiah

Notice bibliographique

RevuePacific Affairs · 2011
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndustrialisationProductivityValue (mathematics)BusinessIndustrial policyEconomicsManufacturingInternational tradeMarket economyEconomic growth

Résumé

récupéré en direct d'OpenAlex

This paper seeks to examine whether Malaysia is facing negative de-industrialization by examining value-added, trade, and productivity trends over the period 1990-2005. The evidence produced in the paper is concrete enough to confirm that Malaysia is facing negative de-industrialization. While it is typical, as part of the process of structural change, to see a rise and fall in the share occupied by manufacturing in the GDP, the evidence shows that Malaysia is indeed facing premature de-industrialization, with a trend slowdown in manufacturing value-added, trade performance, and productivity since 2000. Not only has the trade performance of manufacturing been falling, manufacturing labor productivity has also slowed down; with the key sectors, such as electric-electronics, textiles, and transport equipment; showing either negative or low productivity growth since 2000. Malaysian industrial policies have been fairly successful in connecting with the global value chains of multinationals and in developing resource-based industries, but have not achieved the same success in stimulating their transformation to high value-added activities. The lack of effective institutional change, partly explained by ethnic policies, is advanced as the prime reason for the setting in of negative de-industrialization in Malaysia.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,981
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,005

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 Opus0,110
Tête enseignante GPT0,213
Écart entre enseignants0,103 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations41
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePacific AffairsMême sujetGlobal trade and economicsTravaux en français237 207