Notice bibliographique
Résumé
Macroeconomic model builders always face a choice of how to go about building models, although far too many North American model builders are unaware of the options. There are many reasons for the lack of awareness, but they fall into three categories: sociological, historical and methodological. Few graduate students are given any training in how to go about choosing a modeling method. Instead, they are encouraged to follow their teachers’ examples of demonstrated successful modeling. Needless to say, for a decade or more the sub-discipline of the history of economic thought has not been considered an essential part of anyone’s graduate economics training; consequently, there has been little opportunity to become of aware of historical debates about the best or most appropriate model building methods. An obvious sociological reason is that beginning professors need to worry about their careers. Which modeling method is chosen will be the one that helps in obtaining tenure and promotions. Today, too often, the criterion employed for such promotion and tenure decisions is the quantity of publications. So, if one were aware of several alternative modeling methods to choose between, clearly it would be sensible (dare we say rational?) to choose the method that will maximize the number of published papers within the time allotted before the next tenure or promotion decision – or perhaps just the next salary decision. Methodology-oriented critics of the lack of awareness of alternatives point to the methodological issue of the unrealism of the models created – in particular, models that are the easiest to publish are often ones that disregard the unrealism of the assumptions of the model. In other words, critics of the methods practiced in North America say that too often convenience is put before the time-consuming problem of building realistic models.
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 | 0,027 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,007 |
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 ».