MétaCan
Menu
Retour à la cohorte
Enregistrement W2947194029 · doi:10.30950/jcer.v15i2.999

Measuring Economic Reform Recommendations under the European Semester: ‘One Size Fits All’ or Tailoring to Member States?

2019· article· en· W2947194029 sur OpenAlexafffund
Valerie J. D’Erman, Jörg Haas, Daniel F. Schulz, Amy Verdun

Notice bibliographique

RevueJournal of Contemporary European Research · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEuropean Union Policy and Governance
Établissements canadiensUniversity of Victoria
Organismes subventionnairesErasmus+Social Sciences and Humanities Research Council of CanadaEuropean Commission
Mots-clésMember statesEuropean unionEconomic and monetary unionEconomicsWelfareEconomic welfarePublic economicsBusinessEconomic policyMarket economy

Résumé

récupéré en direct d'OpenAlex

In 2010 the European Semester was created to better coordinate fiscal and economic policies within Europe’s Economic and Monetary Union. The Semester aims to tackle economic imbalances by giving European Union (EU) member states country-specific recommendations (CSRs) regarding their public budgets as well as their wider economic and social policies with a view to enabling better policy coordination among Euro Area member states. In this article we develop a method to assess the way in which the CSRs have been addressing coordination and offer a systematic analysis of the way they have been formulated. We offer a way to code CSRs as well as one to analyse progress evaluations. Furthermore, we seek to use our results to address one of the reoccurring questions in the literature: whether the EU is pursuing a ‘one size fits all’ approach to economic policy making in the Euro Area? The findings indicate that different types of market economies and welfare states – different ‘varieties of capitalism’ – among the Euro Area members obtain different recommendations regarding different policy areas

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)0,112
score de la tête « metaresearch » (Gemma)0,236
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,112
Score d'incertitude au seuil0,590

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1120,236
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,009
Études des sciences et des technologies0,0020,004
Communication savante0,0090,011
Science ouverte0,0020,007
Intégrité de la recherche0,0030,004
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 Opus0,325
Tête enseignante GPT0,415
Écart entre enseignants0,090 · 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'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

Citations38
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Contemporary European ResearchMême sujetEuropean Union Policy and GovernanceTravaux en français237 207