MétaCan
Menu
Retour à la cohorte
Enregistrement W2893861840 · doi:10.4236/tel.2018.812173

A Thermodynamic Model for the Global Economy and Its Implications for Macroeconomic Theory and Policy Formulation

2018· article· en· W2893861840 sur OpenAlexaff
Stephen J. Palmer, Harriet Alford

Notice bibliographique

RevueTheoretical Economics Letters · 2018
Typearticle
Langueen
DomaineEnergy
ThématiqueGlobal Energy and Sustainability Research
Établissements canadiensStantec (Canada)
Organismes subventionnairesNewcastle University
Mots-clésEconomicsEconomic inequalityCapital (architecture)InequalityMacroeconomicsEconomy

Résumé

récupéré en direct d'OpenAlex

Over recent decades the share of income produced by global the economy has increased for capital and decreased for labour. Picketty’s analysis of wealth and income data implies that there is increasing inequality in income share developing in economies including advanced economies. Further investigation by the International Monetary Fund (IMF), International Labour Organization (ILO) and the Organization for Economic Cooperation and Development (OECD) confirms that capital’s share of income is increasing versus labour’s share but the data does not fit with Picketty’s r > g growth model, instead indicating that technology is involved. This paper presents a physical model concept for an economy and the global economy that explains how and why capital’s share of income is increasing at the expense of labour and what policymakers need to do to adjust this trend. The macroeconomic policies that correct this trend have also significant concomitant benefits—they address strategic risks such as global warming which are physically linked by the way the economy currently functions through technology. Current policy is driving and increasing income inequality. Physical evidence based macroeconomic policymaking such as that advocated in this paper, can manage these long term risks.

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)0,002
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,006
Communication savante0,0030,007
Science ouverte0,0020,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,012
Tête enseignante GPT0,287
Écart entre enseignants0,275 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTheoretical Economics LettersMême sujetGlobal Energy and Sustainability ResearchTravaux en français237 207