MétaCan
Menu
Retour à la cohorte
Enregistrement W2982658132

A Tale of Two Markets and the Role of Prosperous Market-Augmenting Governments

2016· article· en· W2982658132 sur OpenAlexvenueno aff
Sanghack Lee

Notice bibliographique

RevueReview of Economics and Finance · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic, financial, and policy analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProsperityProperty rightsEnforcementGovernment (linguistics)Market failureEconomicsMarket economyBusinessInternational economicsInternational tradeEconomic growthPolitical scienceMicroeconomicsLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper aims to examine the role of market-augmenting government and the two general conditions for achieving economic prosperity. Markets exist ubiquitously, but the markets in rich countries are substantially different from those in poor countries. In rich countries, the markets are the main source of prosperity and thus are called prosperous markets. For a country to achieve rapid economic growth, the country should obtain gains not only from the mutually advantageous trades, but also from the rights-intensive, property rights-intensive or contract rightsintensive productions. The mutually advantageous trades and individual rights-intensive productions take place both in the government-contrived markets and in the rich countries. The countries having a market-augmenting government coined by Olson (2000) tend to grow most rapidly. A market-augmenting government should not only be ¡®strong¡¯ enough to guarantee secure and well-defined property rights and contract enforcement rights to the people, but also be ¡®inhibited¡¯ so as not to deprive or damage individual rights. The two general conditions to achieve economic prosperity are secure and well-defined individual rights, and the absence of any predation. These conditions are realized in countries with market-augmenting governments and rightsrespecting democracies.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,016
Communication savante0,0060,016
Science ouverte0,0010,004
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,009
Tête enseignante GPT0,202
Écart entre enseignants0,193 · 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'étudeThéorique ou conceptuel
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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economics and FinanceMême sujetEconomic, financial, and policy analysisTravaux en français237 207