MétaCan
Menu
Retour à la cohorte
Enregistrement W2945167469 · doi:10.3390/jrfm12020080

Money as an Institution: Rule versus Evolved Practice? Analysis of Multiple Currencies in Argentina

2019· article· en· W2945167469 sur OpenAlexvenueno aff
Georgina M. Gómez

Notice bibliographique

RevueJournal of risk and financial management · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Theory and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInstitutionCurrencyLiberian dollarEnforcementEconomicsPsychological resilienceMonetary systemDigital currencyMonetary economicsInstitutional economicsMonetary policyPolitical scienceFinanceLawKeynesian economics

Résumé

récupéré en direct d'OpenAlex

Monetary policies and adjustments during a financial crisis depend on policy-makers’ conceptions on what money is and how it works. There is sufficient consensus among scholars that money is an institution created within the economic system and is in line with other institutions that regulate economic action. However, there are different understandings of what institutions are and how they operate, and these understandings imply differences in terms of monetary enforcement, resilience, responsiveness and stability. This paper discusses the two main approaches that conceptualise institutions as rules and as practices presenting an empirically informed discussion of money as an institution drawing on these insights. It grounds the analysis on the empirical case of Argentina as a monetary laboratory and the plurality of currencies that circulate in its economy. The study argues that while the official currency of Argentina corresponds to the institutions as rules approach, the adoption of the U.S. dollar into a bimonetary economy evolved as equilibrium. In between, the massive community currency systems that rose and declined during the economic meltdown between 1998 and 2002 were a hybrid institution that combined rules and practice. All three of them show various degrees of resilience and stability.

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)0,001
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 enseignants0,545
Score d'incertitude au seuil0,448

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,020
Tête enseignante GPT0,248
Écart entre enseignants0,228 · 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

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetEconomic Theory and PolicyTravaux en français237 207