MétaCan
Menu
Retour à la cohorte
Enregistrement W3137350315 · doi:10.1007/s10887-021-09188-9

Multiple steady statehood: the roles of productive and extractive capacities

2021· article· en· W3137350315 sur OpenAlexafffund
Nils‐Petter Lagerlöf

Notice bibliographique

RevueJournal of Economic Growth · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCulture, Economy, and Development Studies
Établissements canadiensYork University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésEliteProductivityPopulationInvestment (military)EconomicsSteady state (chemistry)Carrying capacityPopulation sizeState (computer science)EconometricsNatural resource economicsMacroeconomicsMathematicsEcologyBiologyPolitical scienceDemography

Résumé

récupéré en direct d'OpenAlex

This paper proposes a model of statehood, defined as elite extraction of resources from a subject population. Different from most of the existing literature, the size of the subject population evolves endogenously in a Malthusian fashion, and the elite take into account the effects on future population levels when taxing the current population. The elite can spend extracted resources by investing in productive and extractive capacities. Productive capacity increases the size of the pie, while extractive capacity makes it easier for the elite to tax it. Together-but not each on its own-these two types of investment can give rise to multiple steady-state equilibria, such that one steady state has both a higher rate of extraction, and higher population density and output, than the other steady state. The model can also account for a positive empirical relationship between land productivity and state antiquity among countries with relatively late state development. SUPPLEMENTARY INFORMATION: The online version contains supplementary material available at 10.1007/s10887-021-09188-9.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0040,005
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,028
Tête enseignante GPT0,266
Écart entre enseignants0,237 · 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

Citations5
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Economic GrowthMême sujetCulture, Economy, and Development StudiesTravaux en français237 207