Market Facilitation Program: Impact on Nebraska Corn and Soybean Producers
Notice bibliographique
Résumé
In July 2018, President Trump imposed a first round of 25-percent tariffs on Chinese electronics and high-tech equipment including automobiles, computer hard drives, and LEDs. The tariffs were imposed on roughly $34 billion worth of imported goods. In August 2018 additional 25-percent tariffs were imposed on $16 billion worth of Chinese exports to the United States and in September tariffs on $200 billion worth of Chinese exports to the United States were added. (Bradsher, 2018). The Trump Administration has also imposed automobile, steel and aluminum tariffs on imports from Canada, the European Union and other countries. In response to the first two sets of tariffs, China placed retaliatory tariffs on $60 billion dollars of imports from the United States matching the value of the goods subjected to U.S. tariffs. According to Bradsher (2018), Chinese imports from the United States are so much smaller than U.S. imports from China that the Chinese government was unable to match the magnitude ($200 billion) of the latest round of U.S. tariffs, applying tariffs only to an additional $60 billion worth of U.S. goods. The Chinese tariffs target sensitive U.S. sectors including several agricultural industries. In the initial round of retaliation, for example, U.S. soybean exports to China—which account for more than 50 percent of total U.S. soybean exports—were hit with 25 percent tariffs. Swanson et al. (2018) reported predictions that the tariff would cause the average annual 2018 soybean price to fall from an expected $9.70 per bushel if no tariff were imposed to $8.85 per bushel.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».