MétaCan
Menu
Retour à la cohorte
Enregistrement W2160915125 · doi:10.1007/978-3-319-03137-8_4

Growth and Distributive Effects of Public Infrastructure Investments in China

2013· book-chapter· en· W2160915125 sur OpenAlexfundno aff
Yumei Zhang, Xinxin Wang, Kevin Chen

Notice bibliographique

RevueEconomic studies in inequality, social exclusion and well-being · 2013
Typebook-chapter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesDepartment for International DevelopmentAustralian Agency for International DevelopmentUnited States Agency for International DevelopmentInternational Development Research CentreGovernment of CanadaInternational Fine Particle Research Institute
Mots-clésChinaMandatePublic infrastructurePovertyDevelopment economicsGovernment (linguistics)Economic inequalityInvestment (military)EconomicsInequalityInclusive growthFinancial crisisEconomic growthEconomic policyPolitical scienceMacroeconomics

Résumé

récupéré en direct d'OpenAlex

China has recently been spending more than 10 % of total annual government expenditures on public infrastructure. In late 2008, when the global financial crisis occurred, a four trillion yuan package was put into action to stimulate domestic economic growth. Public infrastructure investment in 2009 and 2010 was respectively 60 % and 80 % higher than in 2008. China has managed to sustain rapid economic growth in recent years. However, disparities between rich and poor have risen, and China has become one of the most unequal countries in the world. Despite high overall economic growth rates, the Chinese government is becoming increasingly concerned about high and rising income inequality. Reducing poverty and inequality through inclusive growth has become a major mandate of development policy. President Hu Jintao formally endorsed inclusive growth as a national development strategy at the Asia-Pacific Economic Cooperation (APEC) in November, 2009. These keywords were added by machine and not by the authors. This process is experimental and the keywords may be updated as the learning algorithm improves.

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 enseignants0,135
Score d'incertitude au seuil0,269

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,032
Tête enseignante GPT0,266
Écart entre enseignants0,234 · 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

Citations8
Publié2013
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueEconomic studies in inequality, social exclusion and well-beingMême sujetFiscal Policy and Economic GrowthTravaux en français237 207