MétaCan
Menu
Retour à la cohorte
Enregistrement W2194792555 · doi:10.5539/ass.v11n26p309

Approaches for Human Capital Measurement with an Empirical Application for Growth Policy

2015· article· en· W2194792555 sur OpenAlexvenueno aff
Rewat Thamma-Apiroam

Notice bibliographique

RevueAsian Social Science · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesKasetsart University
Mots-clésHuman capitalCasualEconomicsCausality (physics)Quality (philosophy)CausationGovernment (linguistics)Public economicsMacroeconomicsEconomic growthPolitical science

Résumé

récupéré en direct d'OpenAlex

This study aims at providing a theoretical concept of human capital and its measurement that have been continually developed for decades and empirically testing the casual relationships between human capital, measured by educational spending, and economic growth of Thailand. The methodologies are through literature synthesis and qualitative analysis as well as time-series quantitative analysis; the data is annually collected during the period 1980 – 2010. The finding indicates that human capital can be defined in different frameworks because its definition changes over time. Nonetheless, owing to a key attribute, it should be defined on a broader view and its spillover effects should be taken into account as well. The other finding is that the standard approaches to human capital measurement are cost-based, income-based and output-based. The empirical results suggest bidirectional causality between human capital and economic growth of Thailand but much clearer for the causation running from human capital to growth. As such, the policy implication is that if the government aims to achieve the long-run economic growth, both increasing the educational opportunity and improving the quality of education are imperative.

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)0,015
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,038
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0100,024
Études des sciences et des technologies0,0020,005
Communication savante0,0050,006
Science ouverte0,0020,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,185
Tête enseignante GPT0,308
Écart entre enseignants0,123 · 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'étudeThéorique ou conceptuel
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

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetFiscal Policy and Economic GrowthTravaux en français237 207