MétaCan
Menu
Retour à la cohorte
Enregistrement W2910036584 · doi:10.1453/jel.v5i4.1782

The future of economic growth in the World’s largest economies

2018· article· en· W2910036584 sur OpenAlexaboutno aff
Ron W. Nielsen

Notice bibliographique

RevueKSP Journals - Journal of Economics Bibliography · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChinaSustainable growth rateEconomicsEconomic expansionDevelopment economicsRussian federationEconomyGeographyEconomic policyMacroeconomics

Résumé

récupéré en direct d'OpenAlex

The future of economic growth is projected by solving differential equations describing growth rate.Analysis was carried out for 12 countries representing the leading economies responsible for around 70% of the global economic output.Out of all these countries, the most secure and stable economic growth is in Japan, Germany and France.In contrast, economic growth in China, India and Brazil is strongly insecure and potentially leading to the economic collapse.Economic growth in the United States, United Kingdom, Canada and Australia is on the border line.It also might become unsustainable.Economic growth in the remaining two countries, Italy and Russian Federation, is unpredictable.As for the preventive measures, for Japan, Germany and France, growth rate should be, if possible, maintained at a small value below 1%.Economic growth in these countries is described by logistic trajectories.Their asymptotic approach to a maximum value is hard to control but the growth rate should not be allowed to be substantially increased.For China, India and Brazil, growth rate should be now decreasing sufficiently fast to avoid the potential economic collapse.For the USA, UK, Canada and Australia, it would be also advisable to decrease their growth rate faster than in the recent years.For two countries, Italy and Russian Federation, it is essential to stabilise, if possible, their economic growth.

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)0,009
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Bibliométrie
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 enseignants0,442
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0130,004
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
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 Opus0,029
Tête enseignante GPT0,247
Écart entre enseignants0,218 · 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.

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 revueKSP Journals - Journal of Economics BibliographyMême sujetEconomic Growth and ProductivityTravaux en français237 207