MétaCan
Menu
Retour à la cohorte
Enregistrement W2081314580 · doi:10.1017/s174002281100060x

An unlevel playing field: national income estimates and reciprocal comparison in global economic history

2012· article· en· W2081314580 sur OpenAlexaff
Morten Jerven

Notice bibliographique

RevueJournal of Global History · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHistorical Economic and Social Studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésEurocentrismMeasures of national income and outputFace valuePer capita incomeReciprocalTemptationMeaning (existential)Value (mathematics)RigourPer capitaFace (sociological concept)EconomicsPositive economicsSociologyDevelopment economicsPolitical scienceSocial scienceMacroeconomicsDemographyStatisticsLawEpistemologyMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract If we take recent income per capita estimates at face value, they imply that the average medieval European was at least five times ‘better off’ than the average Congolese today. This raises important questions regarding the meaning and applicability of national income estimates throughout time and space, and their use in the analysis of global economic history over the long term. This article asks whether national income estimates have a historical and geographical specificity that renders the ‘data’ increasingly unsuitable and misleading when assessed outside a specific time and place. Taking the concept of ‘reciprocal comparison’ as a starting point, it further questions whether national income estimates make sense in pre-and post-industrial societies, in decentralized societies, and in polities outside the temperate zone. One of the major challenges in global history is Eurocentrism. Resisting the temptation to compare the world according to the most conventional development measure might be a recommended step in overcoming this bias.

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)0,023
score de la tête « metaresearch » (Gemma)0,098
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,121

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,098
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,006
Études des sciences et des technologies0,0010,011
Communication savante0,0050,012
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,054
Tête enseignante GPT0,280
Écart entre enseignants0,226 · 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'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

Citations37
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Global HistoryMême sujetHistorical Economic and Social StudiesTravaux en français237 207