MétaCan
Menu
Retour à la cohorte
Enregistrement W3153093802 · doi:10.1177/1470594x21999736

Money creation, debt, and justice

2021· article· en· W3153093802 sur OpenAlexaff
Peter Dietsch

Notice bibliographique

RevuePolitics Philosophy & Economics · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Theory and Policy
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésCollateralDebtMoney creationEconomicsVariety (cybernetics)Distributive justiceLaw and economicsBusinessEconomic JusticeEndogenous moneyFinancial systemMonetary economicsFinanceCentral bankMonetary policyMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Theories of justice rely on a variety of criteria to determine what social arrangements should be considered just. For most theories, the distribution of financial resources matters. However, they take the existence of money as a given and tend to ignore the way in which the creation of money impacts distributive justice. Those with access to collateral are favoured in the creation of credit or debt, which represents the main form of money today. Appealing to the idea that access to credit confers freedom, and that inequalities in this freedom are morally arbitrary, this article shows how the advantage to those with collateral plays out in different ways in today’s economy. The article identifies several forms of bias inherent in money creation, and its subsequent destruction: loans from commercial banks to individuals and corporations, interbank lending, lending from central banks to commercial banks, and selective bail-outs by central banks. These are not mere inequalities: they are unjust since alternative designs of the financial architecture exist that would significantly reduce them. The paper focuses on one possible reform with the potential to address several of the types of bias identified, namely the separation of money creation from private bank credit.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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: Empirique
Score de désaccord entre enseignants0,439
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,035
Tête enseignante GPT0,238
Écart entre enseignants0,203 · 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 tête enseignante, pas un consensus.

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

Citations29
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolitics Philosophy & EconomicsMême sujetEconomic Theory and PolicyTravaux en français237 207