MétaCan
Menu
Retour à la cohorte
Enregistrement W2903440839 · doi:10.6000/1929-7092.2018.07.86

Chinese Currency Devaluation and the Economic Implications for Nigeria

2018· article· en· W2903440839 sur OpenAlexvenueno aff
Chinwe Okoyeuzu, Anthony Igwe, Wilfred I. Ukpere

Notice bibliographique

RevueJournal of Reviews on Global Economics · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal Financial Crisis and Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDevaluationCurrencyEconomicsMonetary economicsInternational economicsBusiness

Résumé

récupéré en direct d'OpenAlex

The decision of Chinese government to devalue the Yuan has attracted serious condemnation by majorly developed economies, despite the government position that the devaluation was aimed at aligning the Yuan with the market rate. The general argument is anchored on the notion that the devaluation was a strategy to increase China's share of global trade by making its goods cheaper in the international market. This thinking is influenced by the long standing Mundell–Fleming model, which aligned with the theory that competitive devaluation is detrimental to the world economy, because of beggar-thy-neighbour welfare effect. The situation is compelling other countries to respond by improving their balance of trade in response to China tactics. The inability of developing economies to respond to this global trade war could be attributed to factors such as colonialism, presence of agency of restraints, complementarity among developing countries, and other institutional rigidities such as technological deficiency, infrastructure deficit, and commodity based exports, among others. Chinese currency devaluation has impacted meaningfully on the Nigeria economy given the fact that Nigeria maintains strong economic ties with China. The paper argues that for developing economies to effectively respond to competitive devaluation, they must close their borders to certain goods, improve infrastructure, prioritize technological transfer, embrace value-added production, and eliminate institution rigidities that hinder the ease of doing business.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,026
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,047
Tête enseignante GPT0,336
Écart entre enseignants0,290 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Reviews on Global EconomicsMême sujetGlobal Financial Crisis and PoliciesTravaux en français237 207