MétaCan
Menu
Retour à la cohorte
Enregistrement W4220763437 · doi:10.31857/s032150750019246-2

The anti-crisis policy of the Japanese government and Bank of Japan during the COVID-19 pandemic

2022· article· en· W4220763437 sur OpenAlexaboutno aff
Denis Suslov

Notice bibliographique

RevueAsia and Africa today · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Issues in Ukraine
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPandemicQuarter (Canadian coin)Coronavirus disease 2019 (COVID-19)Government (linguistics)Economic recoveryEconomic policyPopulationEconomicsBusinessFiscal policyDeficit spendingDevelopment economicsDebtMonetary economicsGeographyFinanceMacroeconomicsMedicine

Résumé

récupéré en direct d'OpenAlex

The parameters and the assessment of state economic policy measures to eliminate the economic shocks of the COVID-19 pandemic in Japan from January 2020 till July 2021 are carried out. It was revealed that the economic policy of responding to the shocks of the COVID-19 pandemic was timely and adequate to the current crisis. It was confirmed that in 2020, compared to other developed countries, it was possible to effectively use its health care system in the fight against COVID-19 and reduce economic losses in the initial stage of the pandemic. It is also confirmed that the package of anti-crisis measures turned out to be one of the largest in the world in terms of volume and that in the coming years its implementation will lead to a sharp increase in the budget deficit and public debt. It was found that timely measures of fiscal policy within the framework of additional budgets and monetary policy of the Bank of Japan, in general, led to the return of the Japanese economy by the second quarter of 2021 to a development trajectory with positive growth rates (about 2 per cent a year). However, the Japanese economic recovery remains fragile due to low rates of vaccination of the population and restrictions on the pandemic, which are holding back the activity of the private sector of the economy.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,730
Score d'incertitude au seuil0,409

Scores Codex et Gemma par catégorie

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

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 Opus0,023
Tête enseignante GPT0,228
Écart entre enseignants0,205 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsia and Africa todayMême sujetEconomic Issues in UkraineTravaux en français237 207