MétaCan
Menu
Retour à la cohorte
Enregistrement W2057262128 · doi:10.4337/roke.2012.01.07

Fiscal austerity, the Great Recession and the rise of new dictatorships

2012· article· en· W2057262128 sur OpenAlexaff
Hassan Bougrine

Notice bibliographique

RevueReview of Keynesian Economics · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing, Finance, and Neoliberalism
Établissements canadiensLaurentian University
Organismes subventionnairesnon disponible
Mots-clésAusterityEconomicsProsperityRecessionPovertyDictatorshipDevelopment economicsGovernment (linguistics)Post-Keynesian economicsInequalityEconomic policyStructural adjustmentFiscal policyDemocracyMacroeconomicsPolitical scienceEconomic growthPoliticsMarket economy

Résumé

récupéré en direct d'OpenAlex

Austerity measures have been tested in developing countries for several decades under the pseudo name of ‘structural adjustment programmes’ following the recommendations and under the supervision of the World Bank (WB) and the International Monetary Fund (IMF). Evidence indicates that the economic and social consequences of these policies have been so disastrous that there is now more poverty and more inequality than a generation ago. The same scenario is being proposed as the alternative to what has hitherto been labeled a social-democratic economic system in industrialized nations. The economically dominant minority has largely succeeded in imposing its neoliberal agenda by convincing the general public, through various means, of the need for austerity. The paper challenges the erroneous theories on which austerity is based and proposes an alternative explanation to what is the ‘best practice’ in public finance. It argues that deficit spending by the government is an important policy tool that can be successfully used to guarantee full employment and create wealth and prosperity for the whole society.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,007
Communication savante0,0040,005
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,039
Tête enseignante GPT0,246
Écart entre enseignants0,207 · 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

Citations9
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Keynesian EconomicsMême sujetHousing, Finance, and NeoliberalismTravaux en français237 207