MétaCan
Menu
Retour à la cohorte
Enregistrement W2592730747 · doi:10.5509/201790151

The Real Impact of Subsidies on the Film Industry (1970s-Present): Lessons from France and Korea

2017· article· en· W2592730747 sur OpenAlexvenueno aff
Patrick Messerlin, Jimmyn Parc

Notice bibliographique

RevuePacific Affairs · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Industries and Urban Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSubsidyBusinessPolitical scienceEconomicsMarket economy

Résumé

récupéré en direct d'OpenAlex

Many countries are becoming interested in developing their film industries as a way of promoting their national culture and increasing their soft power. With the continued global dominance of Hollywood films, policy makers are increasingly considering government subsidies as an essential tool in promoting their national film industries. However, the actual effectiveness of subsidies in promoting a film industry remains debatable. In order to better address this issue, this paper evaluates and compares the experiences of France and Korea. Both countries have adopted exactly the same sequence of instruments—import quotas, screen quotas, and then subsidies—yet have applied almost the opposite subsidy policies. Since the 1950s, France has intensively used subsidies while Korea has not. After more than a half century, these different subsidy policies have led to very different outcomes. This paper shows that a film industry without significant government subsidies can prosper better in the long term than a heavily subsidized one. This is an important lesson for countries that want to develop their film industry and to promote their culture by designing effective film policies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,500
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,330
Écart entre enseignants0,273 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations45
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePacific AffairsMême sujetCultural Industries and Urban DevelopmentTravaux en français237 207