MétaCan
Menu
Retour à la cohorte
Enregistrement W1995822548 · doi:10.1111/j.1467-9701.2005.00715.x

Who Supports Free Trade in Latin America?

2005· article· en· W1995822548 sur OpenAlexaff
Eugene Beaulieu, Ravindra A. Yatawara, Wei Guo Wang

Notice bibliographique

RevueWorld Economy · 2005
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensUniversity of CalgaryGlobal Affairs Canada
Organismes subventionnairesnon disponible
Mots-clésLatin AmericansEconomicsFree tradeWageInequalityWage inequalityFree trade agreementDeveloping countryTrade barrierSample (material)International economicsDemographic economicsInternational tradeLabour economicsEconomic growthPolitical science

Résumé

récupéré en direct d'OpenAlex

This paper examines individual trade policy preferences across 17 countries in Latin America. The focus is on whether skilled or unskilled workers are more likely to support liberalised trade and on whether country characteristics, such as factor endowments, alter the preferences of skilled and unskilled workers. Based on the standard Heckscher-Ohlin model and the Stolper-Samuelson theorem, wage inequality in developing countries will decrease under free trade and unskilled workers will benefit. We find that on average skilled workers are more likely than unskilled workers to support free trade in Latin American countries. Separate country regressions reveal that this pattern is only statistically significant in 8 out of 17 Latin American countries. However, there are no countries in our sample in which unskilled workers are statistically more likely to support free trade than skilled workers, not even in the lowest skill-endowed country in the sample. We also find that people from Latin American countries with higher GDP, faster growth, more cropland and a longer period of time since reform were more likely on average to support free trade.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,031
Tête enseignante GPT0,198
Écart entre enseignants0,167 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations2
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld EconomyMême sujetGlobal trade and economicsTravaux en français237 207