MétaCan
Menu
Retour à la cohorte
Enregistrement W2160851725 · doi:10.1111/j.1468-2354.2011.00636.x

TRANSPORTATION COSTS, AGRICULTURAL PRODUCTIVITY, AND CROSS‐COUNTRY INCOME DIFFERENCES*

2011· article· en· W2160851725 sur OpenAlexaff
Tasso Adamopoulos

Notice bibliographique

RevueInternational Economic Review · 2011
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésProductivityAgricultureArable landAgricultural productivityNatural resource economicsEconomicsAgricultural economicsProduction (economics)BusinessEconomic growthGeographyMacroeconomics

Résumé

récupéré en direct d'OpenAlex

I study the role of transportation for development by introducing regional trade and a transportation sector into the standard two‐sector model of agriculture–nonagriculture. Low transport productivity can distort the allocation of resources across geographically dispersed production units within sectors and between agriculture and nonagriculture. I infer cross‐country transport productivity disparities from observed domestic transport costs and transport infrastructure stocks. “Endowing” rich countries with the transport productivity of poor countries would reduce their income by 10%. Combining transport productivity disparities with disparities in nonagricultural productivity and arable land the model yields a 50% higher rich–poor income ratio than the two‐sector model.

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)0,004
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 enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,042
Tête enseignante GPT0,250
Écart entre enseignants0,208 · 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

Citations117
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Economic ReviewMême sujetFiscal Policy and Economic GrowthTravaux en français237 207