MétaCan
Menu
Retour à la cohorte
Enregistrement W3081178419 · doi:10.1002/sea2.12183

Banknotes, bookkeeping barter, and cloth money: Conversions of “special‐purpose money” in the cloth and dammar trade of Sulawesi, Indonesia, 1860–1905

2020· article· en· W3081178419 sur OpenAlexaff
Albert Schrauwers

Notice bibliographique

RevueEconomic Anthropology · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHistorical Economic and Social Studies
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésBarterBookkeepingUnit of accountNegotiable instrumentPaymentStore of valueEconomicsValue (mathematics)CommerceMedium of exchangeCurrencyFinancial transactionBusinessEconomyMonetary economicsFinanceDatabase transactionMarket economyMathematics

Résumé

récupéré en direct d'OpenAlex

The trade in cotton cloth and dammar in late nineteenth‐century Sulawesi passed through three distinct exchange spheres mediated by barter. The highland end users transformed European‐made cloth into a special‐purpose money like the classic case of brass rods among the Tiv. In contrast to Bohannon's treatment of the Tiv, I set the highlanders' use of cloth money in the same analytic frame as the money of European trading companies and their local intermediaries. Each of these three exchange spheres utilized a different special‐purpose money, each of which performed only a few of the functions of general‐purpose money. European traders utilized “financial paper” as a “means of exchange” with European partners. They utilized a system of “bookkeeping barter” to manage the trade with their local intermediaries, where money now served as a “standard of value” and “unit of account.” Lastly, the highlanders utilized the cotton cloth they bartered for dammar as a “means of payment” but not as a “means of exchange.” By examining the terms by which money was socially embedded in all three exchange spheres, we gain an alternate perspective on the creation of many of the classic “social currencies” emerging out of early international trade networks.

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)0,000
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 enseignants0,542
Score d'incertitude au seuil0,837

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
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 Opus0,030
Tête enseignante GPT0,230
Écart entre enseignants0,200 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconomic AnthropologyMême sujetHistorical Economic and Social StudiesTravaux en français237 207