Institutional development in an information-driven economy: can ICTs enhance economic growth for low- and lower middle-income countries?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The information and communication technology (ICT) revolution has brought positive spill-over effects on institutions and economies across the globe, but it has also increased the information gaps between countries. A key characteristic that may explain these widening gaps is the deepening endogenous relationships between ICT infrastructure, institutions of governance, and economic growth in many developing countries. Thus far, the links between these variables have not been discernible in developing economies, so few studies have explored them. In this paper, we investigate the possible Granger causal relationships among institutional quality, economic growth, and ICT infrastructure development for a sample of developing countries for the period from 2005 to 2019. The application of a vector error-correction model reveals strong inter-relationships between all the variables in the short run. In the long run, institutional quality and ICT infrastructure development stimulate economic growth. These complex relationships are explored and lessons are drawn for policymakers.RESEARCH HIGHLIGHTS We assess interactions between institutional quality and ICT infrastructure as well as economic growth.We deploy a panel Granger causality test for low- and lower middle-income countries from 2005 to 2019.We show that there is Granger causality between the variables in the short and the long term.For each case and specification, there is support for the hypothesis that ICT infrastructure and institutional quality both Granger-cause growth in the economy.In the short run, we note a feedback relationship between institutional quality and economic growth. Other short-run results are more varied, based on the particulars proxies for institutional quality and ICT infrastructure.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle