The Bottom Billion: Why the Poorest Countries Are Failing and What Can Be Done about It: Some Insights for the Pacific?
Notice bibliographique
Résumé
A noted scholar of fragile states and of African economies, Paul Collier, argues that the appropriate focus for today's development effort is those countries whose residents have experienced little, if any, income growth over the 1980s and 1990s. On his reckoning, there are just under 60 such economies, home to almost 1 billion people. Collier argues the plight of the 'bottom billion' is that they are caught in one (or often several) of four traps; (i) conflict; (ii) mismanaged dependency on natural resources; (iii) weak governance in a small country; and (iv) economic isolation among other very poor economies, with access to big markets available only at high cost. Or as he puts it in the African context, 'landlocked with bad neighbours'. Countries such as East Timor, Papua New Guinea and Solomon Islands suffer several of the four traps Collier identifies. The growth performance over the last quarter-century of the six Pacific economies in the bottom billion has been significantly weaker than the average of the other states in the bottom billion. Effectively aiding the Pacific's attempts to improve decades of very weak per capita income growth may benefit from the insights into novel and 'whole of government' forms of development assistance that Collier identifies for the 'bottom billion'.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,008 | 0,023 |
| Communication savante | 0,012 | 0,022 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».