Impacts of Reverse Global Value Chain (GVC) Factors on Global Trade and Energy Market
Notice bibliographique
Résumé
Since the outbreak of COVID-19 and the American decoupling policy, the global value chains (GVCs) have been switched to regional GVCs, and, in the worst case, are subject to a potential alteration of reversing the GVCs, ultimately entailing a severe impact on international trade and the global energy market. This paper applies a quantitative approach using a computational general equilibrium (CGE) model to estimate the effects of the reverse GVC factors on the global economy, trade, and energy market. These reverse GVC factors will decrease the global GDP, and such effect will bring a greater influence on both China as well as the United States, which is pursuing decoupling. The increased trade costs due to these factors will reduce the GVC indices, mostly in ASEAN by 0.2~1.15%, followed by Korea, Japan and China. Surprisingly, the GVC index in the United States is expected to be strengthened due to the enhanced GVC with its allies such as Canada and Mexico. In China, the use of oil, gas and petroleum is expected to decrease by around 10%, and similar effects are expected in Korea and the EU. Among the world’s major energy producers, it is estimated that the US will reduce energy exports by 16–62% depending on the energy source, and the Middle East and Russia will significantly reduce their gas exports. The global energy market is shrinking, but in particular, the international gas market is expected to decrease by 27.3~38.6%.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».