Notice bibliographique
Résumé
First of all, it is a great pleasure to be here. Thank you for inviting me. Given that communicating from a far is not the easiest thing to do, what I have decided to do is to give a quick overview of the arguments that have emerged from the book that James and I wrote. In fact, this book is a synthesis of about 16 years of research that James and I did. I think it is fair to say that a lot of economic development and economic growth is motivated by patterns that are reported in the book. In particular, this is data from Angus Madison’s life’s work, which is not entirely uncontroversial, but the overall pattern here is fairly uncontroversial. The patterns that we observe have actually been in the background of many attempts to understand long patterns of economic development. I think they also point out that it is going to be very difficult to understand why certain parts of the world that were either on par with, say, Asia, in particular the Indian Subcontinent and China, have increased their income per capita and their prosperity so much in 500 years leading to today, particularly from the period around early 1800s to essentially to the end of the World War II, where there is this big divergence taking place. The trends in economic development show that United States of America, Canada, New Zealand and Australia have pulled so much ahead of, say, Asia, where both India, the Indian Subcontinent in this case, and China more or less show the same picture, where there is not much growth going on until the end of the World War II.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,376 | 0,195 |
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 ».