Socio-Economic Analysis of Disproportions and Disbalances of the Raw Material Export Model in Post-Soviet Russia
Notice bibliographique
Résumé
The article provides a socio-economic analysis showing how the export-raw material model of economic growth adopted in post-Soviet Russia affects the socio-economic situation within the country in the context of an unprecedented global recession that is gaining momentum due to COVID-19. As a working hypothesis, the authors propose that the Russian Federation, where the extraction and export of mineral raw materials are the basis of its social and economic growth, has led to numerous production imbalances. This not only lowers the quality and growth potential of Russia's future GDP but also undermines its macroeconomic stability and makes its national economy prone to oil shocks due to the dramatic global recession and lower demand for hydrocarbons. The paper builds a linear regression model to assess the dependence of Russia's GDP on oil exports from 1996 to 2019. Besides, the authors obtained statistically significant regression equations confirming the theoretical assertion that the dependence of the rates of socio-economic growth on the export of natural raw materials reduces the quality and efficiency of state and public institutions since those in power are trying to legislatively facilitate their access to resources, which, in turn, significantly reduces the potential for economic growth. The article confirms the need for a transition to a new (neo-industrial) socio-economic paradigm since this will help overcome the production imbalance that has developed in the Russian economy, ensure long-term socio-economic growth, and increase its efficiency. Proposals are formulated for the formation of economic conditions for neo-industrial economic development, the basis of which should be innovativeness, environmental friendliness, and inclusiveness.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».