MétaCan
Menu
Retour à la cohorte
Enregistrement W2602426588 · doi:10.1515/jafio-2017-0001

The Trans-Pacific Partnership and Japan’s Agricultural Trade

2017· article· en· W2602426588 sur OpenAlexaboutno aff
Andrew Schmitz, Manhong Zhu, David Zilberman

Notice bibliographique

RevueJournal of Agricultural & Food Industrial Organization · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTariffLiberalizationFree tradeInternational tradeAgricultureGovernment (linguistics)General partnershipBusinessAgricultural economicsRevenueNegotiationInternational economicsEconomicsPolitical scienceGeographyMarket economyFinance

Résumé

récupéré en direct d'OpenAlex

Abstract The Trans-Pacific Partnership Agreement (TPPA) was concluded on October 5, 2015, by twelve countries that include the United States, Japan, Australia, Brunei, Canada, Chile, Malaysia, Mexico, New Zealand, Peru, Singapore, and Vietnam. Under the TPPA, Japan will partially liberalize its five politically sensitive agricultural subsectors: (1) rice, (2) beef and pork, (3) wheat and barley, (4) sugar, and (5) dairy, none of which contain any genetically modified (GM) content. Under full liberalization, Japanese producers in these subsectors will lose (e. g., rice producers will lose over $6 billion and beef producers will lose over $2 billion). Excluding butter, the trade impact of the TPPA on the Japanese government will be negative because of tariff and resale-revenue losses. Our empirical results provide the full effects of complete trade liberalization. However, because the TPPA negotiations of 2015 resulted in only partial trade liberalization, our results can be easily modified to deal with the degree to which trade distortions are removed for each of the above agricultural subsectors. In terms of producers who lose from trade liberalization, the Japanese government will provide compensation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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.

Tête enseignante Opus0,082
Tête enseignante GPT0,207
Écart entre enseignants0,125 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural & Food Industrial OrganizationMême sujetGlobal trade and economicsTravaux en français237 207