MétaCan
Menu
← Retour à la cohorte
Enregistrement W3108570724 · doi:10.2760/22372

EU Trade in Employment

2020· preprint· en· W3108570724 sur OpenAlexaboutno aff
Iñaki Arto, Rueda Cantuche Jose, Roman María Victoria, Cazcarro Ignacio, De Amores Hernandez Antonio, Dietzenbacher Erik

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2020
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEuropean unionChinaMember stateCommissionInternational tradeBusinessMember statesEuropean commissionGeographyFinance

Résumé

récupéré en direct d'OpenAlex

The European Commission identified trade policy as a core component of the European Union's 2020 Strategy. The fast changing global economy, characterised by the dynamic creation of business opportunities and increasingly complex production chains, means that it is now even more important to fully understand how global value chains affect employment. Gathering comprehensive, reliable and comparable information on this is crucial to support evidence-based policymaking.\n\nGuided by that objective, the European Commission's Joint Research Centre (JRC) has produced this publication. It aims to be a valuable tool for trade policymakers.\n\nThe report features a series of indicators to illustrate in detail the dependence of the EU employment on the final demand of each EU Member State, and of the employment in each Member State on the EU final demand. This is done using the World Input-Output Database (WIOD), 2016 release, as the main data source. This information has been complemented with data on employment by skill and gender from other sources such as EUKLEMS. Besides, indicators have been also included to account for the inter-dependence between the EU and other world economies.\n\nMost indicators cover the period 2000-2014 but, due to data constraints, the indicators on employment split by skill and gender are only available from 2008 onwards. The geographical breakdown of the data includes the 28 EU Member States, Australia, Brazil, Canada, China, India, Indonesia, Japan, Mexico, Norway, Russia, South Korea, Switzerland, Turkey, Taiwan, the United States of America, and an aggregate “Rest of the World” region.\n\nThe information presented in this pocketbook is complemented with a software tool for analyses of global value chains, trade, income and employment. This tool enables a more detailed analysis of the different indicators related to global value chains and includes additional data management and visualization options.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,009
Études des sciences et des technologies0,0010,000
Communication savante0,0040,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0230,008

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 Opus0,133
Tête enseignante GPT0,303
Écart entre enseignants0,170 · 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'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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in Economics→Même sujetGlobal trade and economics→Travaux en français237 207→