MétaCan
Menu
Retour à la cohorte
Enregistrement W2152383485 · doi:10.7202/018114ar

Une analyse historiographique des causes du cycle économique en Tunisie*

2008· article· fr· W2152383485 sur OpenAlexvenueno aff
Elachhab Fathi

Notice bibliographique

RevueL Actualité économique · 2008
Typearticle
Languefr
DomaineBusiness, Management and Accounting
ThématiqueIslamic Finance and Banking Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhilosophyHumanitiesPolitical science

Résumé

récupéré en direct d'OpenAlex

Cet article se propose d’établir une analyse historiographique des causes du cycle économique en Tunisie sur la période qui va du 1 er trimestre de 1970 au 2 e trimestre de 2002. Un examen rétrospectif de l’écart conjoncturel de l’indice de production industrielle permet, d’abord, de fournir un diagnostic économique des causes des mouvements cycliques. Une classification des cycles permet, ensuite, de séparer ces causes en chocs d’offre et de demande, internes et externes. Une modélisation VAR d’une petite économie ouverte permet, enfin, de déterminer le poids réel des différents chocs dans le retournement cyclique et d’isoler les phases actives de forte volatilité, des phases calmes de faible volatilité. On montre alors : (i) que l’économie tunisienne est vulnérable aux chocs domestiques, d’offre et de demande, ainsi qu’à l’évolution de la conjoncture internationale; (ii) qu’il existe une prépondérance des chocs d’offre interne dans l’explication du cycle économique, notamment que les chocs de demande interne exercent un effet transitoire favorable relativement faible par rapport aux chocs d’offre; (iii) que la contribution des chocs externes est relativement faible et se trouve être, fondamentalement, expliquée par les chocs d’offre et (iv) que les mouvements cycliques sont caractérisés par une période active de forte volatilité, soit les années 1980-1990, suivie par une période relativement calme, les années 1990-2002.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,662
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,033
Tête enseignante GPT0,216
Écart entre enseignants0,183 · 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.

Devis d'étudeSans objet
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

Citations7
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueL Actualité économiqueMême sujetIslamic Finance and Banking StudiesTravaux en français237 207