MétaCan
Menu
Retour à la cohorte
Enregistrement W4200156661 · doi:10.15407/economyukr.2021.12.057

A NOVEL APPROACH TO CHARACTERIZING THE RELATIONSHIP BETWEEN ECONOMIC GROWTH AND ENERGY CONSUMPTION

2021· article· en· W4200156661 sur OpenAlexaffabout
Danylo Cherevatskyi, Roman G. Smirnov

Notice bibliographique

RevueEconomy of Ukraine · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésEconomicsRelevance (law)Consumption (sociology)Energy consumptionEconometricsEmpirical researchHamiltonian (control theory)EconomyMacroeconomicsMathematicsMathematical optimizationStatisticsEngineering

Résumé

récupéré en direct d'OpenAlex

At the macroeconomic level, the consumption of primary energy resources is a deterministic factor of economic development, which justifies the relevance and importance of introducing an appropriate mathematical model.Using the tools of data-driven dynamical systems and Hamiltonian mechanics, we determine the relationship between energy costs and the distance traveled by a particular national economy in the economic space.The basis for the calculations is the time series describing the evolution of a cumulative GDP, recalculated according to the original method from monetary units to linear geometric dimensions, and energy resources consumed over a fixed period of time.The relevance of the mathematic relationships so obtained is verified by comparing the model predictions with the empirical data produced by four national economies, namely those of Canada, Poland, Russia, and Ukraine. In all of the four cases the model demonstrated a nearly perfect fit to the actual data.The approach via approximation the evolutions of economic performance and energy consumption by parabolas proposed in the article lies the groundwork for developing a general theory that may be employed to analyze economic performance of a wide spectrum of national economies and world regions.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,230
Écart entre enseignants0,169 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEconomy of UkraineMême sujetMarket Dynamics and VolatilityTravaux en français237 207