Notice bibliographique
Résumé
Pour emprunter la voie de la croissance économique, les pays développés se sont longuement appuyés sur les revenus de leurs ressources naturelles. C’est notamment le cas de l’Australie (minerais), du Canada (pétrole, minerais) et des Etats-Unis (pétrole) mais également de l’Allemagne, de la France et de l’Angleterre (charbon). Il existe aussi des expériences récentes de pays qui ont assis une partie de leur développement économique sur leurs ressources naturelles. Les exemples de la Norvège (pétrole), du Chili (minerai de cuivre) et du Botswana (diamants) constituent une illustration. Malgré ces cas de réussite, les études empiriques montrent, de manière générale, l’existence d’une relation négative entre la richesse en ressources naturelles et la croissance économique connue sous le nom de « syndrome hollandais ». Généralement, les pays riches en ressources naturelles peinent à garantir une croissance durable de leur PIB contrairement aux autres pays pauvres en ressources naturelles. Disposant d’importants gisements de pétrole, l’Algérie fait-elle partie des pays qui ont basculé dans le syndrome hollandais ? Cette contribution tentera de répondre à cette question, d’identifier, le cas échéant, les conditions ayant présidé l’apparition du phénomène et de proposer des solutions.
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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».