MétaCan
Menu
Retour à la cohorte
Enregistrement W2792850787 · doi:10.34989/sdp-2018-1

Canada’s Experience with Trade Policy

2021· preprint· en· W2792850787 sur OpenAlexaffabout
Karyne B. Charbonneau, Daniel de Munnik, Laura Murphy

Notice bibliographique

RevueEconstor (Econstor) · 2021
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensBank of Canada
Organismes subventionnairesnon disponible
Mots-clésFree trade agreementInternational tradePactCommercial policyFree tradeEconomic integrationEconomicsInternational free trade agreementInternational economicsPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

This paper compiles the contemporary view on three major Canadian-led trade policies that have marked Canada’s economic history since Confederation: the National Policy (1879), the Canada–US Agreement on Automotive Products (Auto Pact, 1965) and the Canada–US Free Trade Agreement (FTA, 1989, including its extension to the North American Free Trade Agreement, NAFTA, 1994). The National Policy imposed broad-based tariff increases on imported manufactured goods with the primary intention to promote the development of the Canadian manufacturing sector. However, its effects on the manufacturing sector and on welfare overall were likely negative. The Auto Pact (which helped to liberalize trade in automobiles and auto parts between Canada and the United States) and the Canada–US FTA and NAFTA reversed the protectionism established under the National Policy generations earlier. These agreements generated more trade flows among Canada, the United States and Mexico and had positive benefits for Canadian consumers and producers. Because of production specialization and lower import prices, all participating countries benefited from trade liberalization. These benefits tend to be widely dispersed and fully realized over the longer term. In contrast, trade liberalization can also create significant short-run adjustment costs, negatively affecting certain industries and workers.

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)0,004
score de la tête « metaresearch » (Gemma)0,009
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: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,242
Score d'incertitude au seuil0,879

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,014
Études des sciences et des technologies0,0190,007
Communication savante0,0150,003
Science ouverte0,0020,003
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,034
Tête enseignante GPT0,213
Écart entre enseignants0,179 · 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
GenreSynthèse

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

En bref

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEconstor (Econstor)Même sujetGlobal trade and economicsTravaux en français237 207