MétaCan
Menu
Retour à la cohorte
Enregistrement W3092303448 · doi:10.3386/w27918

Ethnographic and Field Data in Historical Economics

2020· report· en· W3092303448 sur OpenAlexaff
Sara Lowes

Notice bibliographique

RevueNational Bureau of Economic Research · 2020
Typereport
Langueen
DomaineSocial Sciences
ThématiqueCulture, Economy, and Development Studies
Établissements canadiensCanadian Institute for Advanced Research
Organismes subventionnairesnon disponible
Mots-clésEthnographyField (mathematics)SociologyData scienceComputer scienceAnthropologyMathematics

Résumé

récupéré en direct d'OpenAlex

This chapter will cover recent research in historical economics that uses ethnographic data and data from surveys and lab experiments. The study of historical economics, particularly outside of non-Western countries, has been constrained by availability of historical data. However, recent work incorporates data and tools from other fields and sub-fields to fill this gap. For example, economists are increasingly taking advantage of ethnographic data sets compiled by anthropologists. There is also growing interest in the use of original survey data collection both within and across countries and lab-in-the-field experiments to answer questions on culture and institutions. Often, these tools are used together to provide complementary evidence on the question of interest. These sources of data have been particularly important for research on areas where there is limited historical data, and they have increased the scope of questions that can be examined. This chapter will overview these recent developments and highlight the benefits of these diverse methodologies and data sources.

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)0,006
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,962
Score d'incertitude au seuil0,983

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,681
Tête enseignante GPT0,570
Écart entre enseignants0,111 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetCulture, Economy, and Development StudiesTravaux en français237 207