MétaCan
Menu
Retour à la cohorte
Enregistrement W2639495995 · doi:10.1093/oxfordhb/9780199734580.013.0031

What More do we want to know about the Indian Economy?

2012· book-chapter· en· W2639495995 sur OpenAlexaff
Ashok Kotwal

Notice bibliographique

RevueOxford University Press eBooks · 2012
Typebook-chapter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMicrofinance and Financial Inclusion
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésInformal sectorProductivityPovertyEconomicsCorporate governanceDevelopment economicsLabour economicsMarket economyEconomyEconomic growthBusinessFinance

Résumé

récupéré en direct d'OpenAlex

Abstract This article first takes stock of what we know about the patterns observed in Indian development and speculates on the likely scenarios over the next few decades. The main question that the article concerns—and probably the biggest economic policy challenge today—is why has poverty in India declined so slowly? The article suggests that a proximate cause is the size and productivity levels of the informal sector—a bulk of India's labor force is engaged in low-productivity cottage-type activities with little physical or human capital. This hinders productivity. What then is responsible for the existence and continuation of constraints in the informal sector? If the poor incidence of entrepreneurship in the informal sector is because of poor infrastructure and weak financial inclusion, why have governance structures failed to alleviate these constraints? In addition, the formal sector has not expanded at the expense of the informal sector to absorb a greater part of the labor force. The article discusses a host of factors that could explain obstacles to productivity improvements in the informal sector, and hence the low growth–poverty elasticity: caste, collective action, the political economy of Indian democracy, the role of credit markets, and rural urban migration, among others.

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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0020,006
Communication savante0,0090,007
Science ouverte0,0010,001
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,026
Tête enseignante GPT0,199
Écart entre enseignants0,172 · 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOxford University Press eBooksMême sujetMicrofinance and Financial InclusionTravaux en français237 207