MétaCan
Menu
Retour à la cohorte
Enregistrement W3125869861

Mind the gap! International Comparisons of Productivity in Services and Goods Production

2006· preprint· en· W3125869861 sur OpenAlexfundaboutno aff
Robert Inklaar, Marcel P. Timmer, Bart van Ark

Notice bibliographique

RevueInstitutional Repositories DataBase (IRDB) · 2006
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueRegional Development and Policy
Établissements canadiensnon disponible
Organismes subventionnairesIndustry CanadaRijksuniversiteit Groningen
Mots-clésProductivityGoods and servicesProduction (economics)Total factor productivityPurchasing powerEconomicsCapital (architecture)Capital goodMultifactor productivityPurchasingBusinessLabour economicsInternational tradeAgricultural economicsEconomyMacroeconomicsOperations managementGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this paper, we make a comparison of industry output, inputs and productivity growth and levels between seven advanced economies (Australia, Canada, France, Germany, Netherlands, UK and U.S.). Our industry-level growth accounts make use of input data on labour quantity (hours) and composition (schooling levels), and distinguish between six different types of capital assets (including three ICT assets). The comparisons of levels rely on industry-specific purchasing power parities (PPPs) for output and inputs, within a consistent input-output framework for the year 1997. Our results show that differences in productivity growth and levels can mainly be traced to market services, not to goods-producing industries. Part of the strong productivity growth in market services in Anglo-Saxon countries, such as Australia and Canada, may be related to relatively low productivity levels compared to the U.S. In contrast, services productivity levels in continental European countries were on par with the U.S. in 1997, but growth in Europe was much weaker since then. In terms of factor input use, the U.S. is very different from all other countries, mostly because of the more intensive use of ICT capital in the U.S.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,006
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,049
Tête enseignante GPT0,336
Écart entre enseignants0,287 · 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

Citations21
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInstitutional Repositories DataBase (IRDB)Même sujetRegional Development and PolicyTravaux en français237 207