MétaCan
Menu
Retour à la cohorte
Enregistrement W2091111530 · doi:10.1111/j.1944-8287.2003.tb00206.x

Financialization and the Role of Real Estate in Hong Kong's Regime of Accumulation

2003· article· en· W2091111530 sur OpenAlexaff
Alan Smart, James Lee

Notice bibliographique

RevueEconomic Geography · 2003
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing, Finance, and Neoliberalism
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésFinancializationEconomicsFordismReal estateWageCapital accumulationGlobal imbalancesConsumption (sociology)Market economyFinanceHuman capitalSociologyCurrent account

Résumé

récupéré en direct d'OpenAlex

Abstract: The greater dominance of finance in the global economic system is widely considered to have increased instability and created difficulties in constructing modes of regulation that could stabilize post‐Fordist regimes of accumulation. Heightened competition and the discipline of global finance restrict the use of Fordist strategies that expand social wages to balance production and consumption. Robert Boyer suggested a model for a possible stable finance‐led growth regime. His hypothesis is that once there are sufficient stocks of property in a nation, expenditures that are based on capital gains, dividends, interest, and pensions can compensate for diminished wage‐based demand. We contend that the neglect of real estate is a serious limitation, since housing wealth is more significant than other forms of equity for most citizens, and thus that it fails to capture the impact of the perceptions and choices of ordinary citizens. We then argue that features of a finance‐led regime of accumulation and a property‐based mode of regulation appeared in Hong Kong relatively early. A case study of Hong Kong is used to extend Boyer's discussion, as well as to diagnose Hong Kong's experience for its lessons on the impact of such developments.

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)0,001
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 enseignants0,133
Score d'incertitude au seuil0,265

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,014
Tête enseignante GPT0,209
Écart entre enseignants0,195 · 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

Citations113
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconomic GeographyMême sujetHousing, Finance, and NeoliberalismTravaux en français237 207