MétaCan
Menu
Retour à la cohorte
Enregistrement W3190380128

Overheating debate: Why not in Japan?

2021· article· en· W3190380128 sur OpenAlexaboutno aff
Egor Gornostay, Madi Sarsenbayev

Notice bibliographique

RevuePolicy briefs · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStimulus (psychology)Overheating (electricity)EconomicsMonetary economicsEconomyPsychologyEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

An intense debate has erupted over whether the unprecedented size of the US fiscal stimulus will cause the US economy to overheat and generate high inflation. To date, the debate has focused primarily on the United States, even though many other developed economies responded to the COVID-19 crisis with unprecedented economic stimulus packages. By some measures, Japan stands out: The total amount of its three consecutive stimulus packages is estimated to exceed 50 percent of its GDP, about twice as high as the US fiscal packages (about 26 percent of US GDP). However, overheating concerns are not being actively raised for Japan. This Policy Brief finds that although Japan’s headline number looks astonishingly high, the actual size of its discretionary fiscal measures is about 16 percent of GDP, substantially smaller than the total size of the US packages. US fiscal stimulus is the largest among Group of Seven (G7) countries relative to GDP, justifying the attention economists have given it. The United Kingdom is estimated to spend more than Japan as a proportion of GDP, but even the UK stimulus program markedly lags behind that of the United States. If additional stimulus measures making their way through the legislative process in Canada are counted, Japan’s fiscal stimulus looks even smaller and would amount to being only average in size among G7 countries. Given this and the lackluster performance of its economy in the first quarter of 2021, it is unlikely that Japan will find itself in overheating territory any time soon.

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)0,010
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0130,007
Communication savante0,0180,015
Science ouverte0,0020,005
Intégrité de la recherche0,0120,011
Charge utile insuffisante (le modèle a refusé de juger)0,0120,003

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 Opus0,079
Tête enseignante GPT0,252
Écart entre enseignants0,173 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolicy briefsMême sujetMonetary Policy and Economic ImpactTravaux en français237 207