MétaCan
Menu
Retour à la cohorte
Enregistrement W2054337316 · doi:10.1080/09538250903073396

<i>Cadrisme</i>within a Post-Keynesian Model of Growth and Distribution

2009· article· en· W2054337316 sur OpenAlexaff
Marc Lavoie

Notice bibliographique

RevueReview of Political Economy · 2009
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Theory and Policy
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésEconomicsRedistribution (election)Growth modelShareholderIncome distributionPost-Keynesian economicsDistribution (mathematics)Capital (architecture)Capital accumulationLabour economicsKeynesian economicsMacroeconomicsInequalityMarket economyFinanceHuman capitalCorporate governance

Résumé

récupéré en direct d'OpenAlex

The 1990s, especially in the United States, witnessed an unprecedented change in income distribution, with a large redistribution towards rentiers on the one hand, and towards the upper ranks of the managerial bureaucracy on the other hand, as became ever more obvious after the financial scandals affecting large corporations such as Enron and Worldcom. This has also been accompanied by large capital gains that benefited top-file managers as well as shareholders. Ordinary employees and workers, as a counterpart, have seen their real purchasing power stagnate. Despite all this, and in contrast to the predictions of the canonical Kaleckian growth model, many countries achieved respectable growth rates of capital and output. The purpose of the present paper is to explain this paradox and to provide a consistent post-Keynesian model of growth that would model the main features identified above, making a distinction between managerial labour, basically overhead labour, and workers, essentially direct labour - a distinction that was recommended, but never implemented by Kaldor. The model is based on target-return pricing procedures. We then study the implications of cadrisme, a managerial-friendly regime based on large pay packages for the managerial class.

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 candidatesaucune
Catégories consensuellesaucune
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 enseignants0,730
Score d'incertitude au seuil0,688

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

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 Opus0,018
Tête enseignante GPT0,242
Écart entre enseignants0,224 · 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.

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

Citations50
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Political EconomyMême sujetEconomic Theory and PolicyTravaux en français237 207