MétaCan
Menu
Retour à la cohorte
Enregistrement W3122340909 · doi:10.3386/w22144

A Conceptual Framework for Understanding Critical Transitions

2016· report· en· W3122340909 sur OpenAlexaff
Lee J. Alston, Marcus André Melo, Bernardo Mueller, Carlos Pereira

Notice bibliographique

RevueNational Bureau of Economic Research · 2016
Typereport
Langueen
DomaineSocial Sciences
ThématiqueWorld Systems and Global Transformations
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversität HamburgPrinceton UniversityEconomic History Association
Mots-clésPoliticsOpenness to experienceNorm (philosophy)Critical mass (sociodynamics)Context (archaeology)Set (abstract data type)Political sciencePolitical economyConceptual frameworkEconomic systemPublic relationsSociologyPositive economicsEconomicsSocial psychologyComputer sciencePsychologySocial scienceGeography

Résumé

récupéré en direct d'OpenAlex

Critical transitions for a country are historical periods when the powerful organizations in a country shift from one set of beliefs about how institutions (the formal and informal rules of the game) will affect outcomes to a new set of beliefs.Critical transitions can lead a country toward more openness politically and economically or toward a more exclusionary society.Economic and political development is contextual; that is, there is no recipe.Periods of relative persistence are the norm with changes in institutions at the margin.We develop a framework consisting of several interconnected relatively unexplored concepts that we first define in a static context and then utilize to show how they produce a dynamic of institutional change or persistence.The key concepts include: windows of opportunity, beliefs, and leadership.Our major contribution is wedding the concepts of windows of opportunity, beliefs, and leadership to the dominant network, institutions, and economic and political outcomes to form a dynamic.We apply the framework illustratively to understand economic and political development in Argentina over the past 100 years.

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)0,005
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0060,025
Communication savante0,0080,017
Science ouverte0,0020,004
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,679
Tête enseignante GPT0,613
Écart entre enseignants0,066 · 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'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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetWorld Systems and Global TransformationsTravaux en français237 207