MétaCan
Menu
Retour à la cohorte
Enregistrement W2901957876 · doi:10.6000/1929-7092.2018.07.38

The Estimation of Losses of the Russian Economy from Population Migration to Developed Countries in 2000–2017

2018· article· en· W2901957876 sur OpenAlexvenueno aff
В. В. Масленников, Aleksandr S. Linnikov, O. V. Maslennikov

Notice bibliographique

RevueJournal of Reviews on Global Economics · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRegional Socio-Economic Development Trends
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEmigrationRussian federationEstimationPopulationCompetition (biology)Work (physics)Human capitalValue (mathematics)Scale (ratio)EconomyCapital (architecture)BusinessEconomicsPolitical scienceEconomic growthEconomic policyGeographySociology

Résumé

récupéré en direct d'OpenAlex

The problem of emigration of Russian citizens to other countries remained quite acute during 2000-2017. This poses a threat to national security, as there are many economically active young people with a high level of education among the emigrants. Therefore, it is required a comprehensive study of these processes and the creation of conditions for the preservation of human capital in Russia. The authors developed a methodology for assessing the losses of the Russian economy in value terms as a result of emigration of citizens abroad. It is based on the determination of the “cost” of human life and the individualization of this indicator in accordance with the level of economic development of the host country and with the subjective factors of the emigrant, as well as in specifying the number of citizens who left the Russian Federation in accordance with the official data of foreign migration services. As a result of the calculations, it was determined that the losses of the Russian economy from this phenomenon for the period 2000-2017 amounted to more than 545.85 billion USD. Such a situation is unacceptable in the conditions of the country’s unfolding competition with other states for the positions of leaders in the new industrial revolution. It is necessary to carry out systematic work to reduce the scale of outgoing flows of international labour migration from Russia.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,557
Score d'incertitude au seuil0,907

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,034
Tête enseignante GPT0,332
Écart entre enseignants0,297 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Reviews on Global EconomicsMême sujetRegional Socio-Economic Development TrendsTravaux en français237 207