MétaCan
Menu
Retour à la cohorte
Enregistrement W2170038813 · doi:10.7202/012841ar

L’utilisation des technologies de l’information et sa contribution à la croissance en Australie

2006· article· fr· W2170038813 sur OpenAlexvenueno aff
John Simon, Sharon Hubbs Wright

Notice bibliographique

RevueL Actualité économique · 2006
Typearticle
Languefr
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

La présente étude a pour but d’évaluer, dans le cadre de la comptabilité de la croissance, les gains de croissance réalisés en Australie au cours des années quatre-vingt-dix grâce à l’utilisation des technologies de l’information. Elle se fonde sur de nouvelles estimations du stock de capital productif calculées au niveau de la branche d’activité. Notre analyse laisse entendre que l’Australie a su profiter de la « nouvelle économie ». Le niveau d’utilisation des technologies informatiques y est parmi les plus élevés du monde, et l’investissement des entreprises australiennes dans les ordinateurs et le matériel connexe augmente rapidement depuis le début des années quatre-vingt-dix. Plutôt que d’être répartie uniformément entre les divers secteurs de l’économie, l’utilisation des ordinateurs est concentrée dans ceux axés sur les services, comme les télécommunications ou les intermédiaires financiers et les assurances. En outre, la moitié environ des gains dus à l’utilisation des technologies de l’information est attribuable à la baisse des prix, tandis que l’autre moitié peut être due à l’augmentation des dépenses nominales. Nous concluons que, grâce à l’utilisation des ordinateurs, l’Australie a vu croître considérablement sa production et qu’elle a bénéficié des progrès techniques réalisés dans ce secteur par la voie de la réduction des prix transmise aux utilisateurs. Donc, être un utilisateur net d’ordinateurs offre des avantages considérables, outre ceux liés au fait d’être un producteur mentionnés plus couramment.

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)0,003
score de la tête « metaresearch » (Gemma)0,012
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,002
Communication savante0,0060,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,027
Tête enseignante GPT0,227
Écart entre enseignants0,200 · 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

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueL Actualité économiqueMême sujetEconomic Growth and ProductivityTravaux en français237 207