The Influence of the G20’s Digitalization Leadership on Development Conditions and Governance of the Digital Economy
Notice bibliographique
Résumé
Given the increasing importance of the digital economy, competition for digital technologies and solutions, as well as the contest to influence norms, standards, and regulatory mechanisms, is escalating. This influence is distributed unevenly—digitalization leaders, primarily the key Group of 20 (G20) members, gain significant advantages, increasing their potential for shaping digital regulation through the consistent inclusion of domestic standards and norms in the documents of multilateral institutions, including the G20, the Organisation for Economic Co-operation and Development (OECD), the World Trade Organization (WTO), and the United Nations (UN) At the same time, Russia’s impact on the most important aspects of digital economy regulation at the global and regional level is currently limited. The article presents an assessment of the influence wielded by the leading G20 members (the U.S., Canada, the UK, the European Union (EU), Japan, Korea, China and India) on the digital economy’s development and regulation. This assessment serves as the basis for recommendations on Russia’s approaches to the specific aspects of regulation (digital infrastructure development, cybersecurity, regulating digital platforms, regulating global stablecoins and central bank digital currencies (CBDCs), data governance, and artificial intelligence (AI) policies) at the national level, as well as its engagement in the G20 and other multilateral institutions. The analysis indicates that the leading countries affect the digital economy mainly by determining conditions for activities in their domestic digital markets and participating in shaping new global standards and rules. In the areas of digital infrastructure development, cybersecurity, and data governance, there are growing contradictions between the approaches of the U.S., the UK, Japan and partly the EU and Korea on the one hand, and Russia, China and India on the other. Recommendations in these areas are related to strengthening coordination within the BRICS group of Brazil, Russia, India, China and South Africa to develop common positions and collectively promote them in the G20 and other multilateral institutions. The main recommendations on other regulatory aspects include using the experience of digitalization leaders to minimize the risks posed by competitors and to strengthen Russian positions in the global digital 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 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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,000 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».