AN ANALYTICAL BASIS FOR BOTSWANA'S DIAMOND- ENCLAVE SUSTAINABLE ECONOMIC GROWTH AND WELLBEING: LESSONS FOR NIGERIA
Notice bibliographique
Résumé
The performance of natural resource-rich nations in Europe (Norway, USA, Canada and Russia) and in the Middle East (Saudi Arabia, Iran, Kuwait, United Arab Emirates, Libya, Qatar and Algeria) suggests natural resources can be a decisive advantage to sustainable economic growth and development. The paradox of ‘resource curse’ is more of a sub-Saharan African phenomenon than a general rule. Even within the Africa context, there are exceptions to this malaise. One such exception is Botswana, a leading exporter of diamonds, which – unlike most natural resource-rich countries in sub-Saharan Africa – has achieved an impressive economic growth and performance since independence. Over the last two decades, the economy of Botswana grew at about 7.8% on average, the highest growth rate across the whole sub-Saharan African region. Over 40% of this growth is driven by the mining sector, which provides up to 80% of total export earnings for the country (Fofack, 2009:1–2). This study holds that if an oil extractive rich economy like Nigeria curb corruption and put oil resource windfalls to good use, her economy and society would hardly face social and economic unrest. Since the late 1980s, revenue from oil production continues to rise in Nigeria while political leadership is corrupt and majority of the population very poor (Social Development Integrated Centre, 2012, Fagbadebo, 2007, 030-031). This is also the case with Azerbaijan, Kazakhstan, and Turkmenistan in the Caspian basin; as well as the Southeast Asian countries of Cambodia, East Timor, Myanmar, and Vietnam (Ross, 2008:3; Eifert, et. al, 2003). It is within the foregoing context that this study reviews the secret behind Botswana’s sustainable economic growth and wellbeing, which are largely attributed to good governance (Leigh, et al., 2012, Kiiza, et al., 2011). This
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».