TRADE, WAGES AND SKILL ACCUMULATION IN THE EMERGING GIANTS
Notice bibliographique
Résumé
2 Examples of the early literature include Lawrence and Slaughter (1993) and Berman, et al (1994).Katz and Autor (1999) and Slaughter (1999) also survey the early literature.Winter et al (2004), Arbache, Dickerson and Green (2004) and Goldberg and Pavcnik (2007) survey the more recent literature on developing countries.Richardson (1995) provides a useful discussion of trade-wage interactions in a growing economy.Krugman (2008) and Lawrence (2008) have revived the debate with respect to the impact of developing economies trade on the U.S. economy.3 Potentially skill-biased technological trade may be induced by trade liberalization.Models by Acemoglu (2003) and Aghion et al (2006) highlight this point.For an overview of the off-shoring arguments see Feenstra and Hanson (1999) and Baldwin and Robert-Nicoud (2006).As discussed below, several studies have also pointed to the potential importance of capital skill complementarity in understanding rising wage inequality.4 Other studies include Hertel et al (2003), who find that trade liberalization reduces the skill premium in 12 developing countries but increases it in Bangaldesh and Uganda, and Harrison, Rutherford and Tarr (2004) who find that trade liberalization reduces production labor wages in their CGE model of Turkey and attribute this to heavy protection in labor intensive sectors.See also Hertel et al (2004) and Winchester (2007).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».