MétaCan
Menu
Retour à la cohorte
Enregistrement W2997978341 · doi:10.1163/22119000-12340162

Making FDI More Sustainable: Towards an Indicative List of FDI Sustainability Characteristics

2019· article· en· W2997978341 sur OpenAlexaff
Karl P. Sauvant, Howard Mann

Notice bibliographique

RevueThe Journal of World Investment & Trade · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInternational Arbitration and Investment Law
Établissements canadiensInternational Institute for Sustainable Development
Organismes subventionnairesnon disponible
Mots-clésForeign direct investmentSustainabilityMultinational corporationBusinessSustainable developmentCorporate governanceStakeholderEconomic systemInternational economicsInternational tradeEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract Reaching the Sustainable Development Goals has become the lodestar of development policymaking. Increased sustainable Foreign Direct Investment (FDI) flows to developing countries can contribute to reaching the Goals. This article analyzes 150 instruments (treaties, standards, codes) prepared by key stakeholder groups in the FDI space bearing on the relationship between host countries and foreign investors, to identify FDI sustainability characteristics along the following four dimensions: economic, social and environmental development and governance. These instruments indicate especially the contributions government expect multinational enterprises (MNEs) to make to host countries and those MNEs expect to make to host countries. The analysis yields a set of indicative ‘common FDI sustainability characteristics’, and ‘emerging common FDI sustainability characteristics’. These characteristics can guide various stakeholder groups that seek to increase the contribution of FDI to development; the World Trade Organization’s Structured Discussions concerning an investment facilitation framework for development; and to arbitrators seeking to take the development dimension into account when deliberating investor-state disputes.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,854
Score d'incertitude au seuil0,624

Scores Codex et Gemma par catégorie

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

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 Opus0,021
Tête enseignante GPT0,276
Écart entre enseignants0,255 · 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'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

Citations22
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of World Investment & TradeMême sujetInternational Arbitration and Investment LawTravaux en français237 207