MétaCan
Menu
Retour à la cohorte
Enregistrement W4309306268 · doi:10.3390/jrfm15110533

Assessing Productivity Channels of Human Capital in the Southern African Development Community: New Insights from Women’s Empowerment

2022· article· en· W4309306268 sur OpenAlexvenueno aff
Abiola John Asaleye, Kariena Strydom

Notice bibliographique

RevueJournal of risk and financial management · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHuman capitalProductivityEconomicsInvestment (military)EmpowermentTotal factor productivityCausality (physics)Labour economicsDevelopment economicsEconomic growthPolitical science

Résumé

récupéré en direct d'OpenAlex

There is massive and growing volume of literature on human capital and productivity. However, there is little emphasis on the growth channels of human capital, particularly on women’s empowerment, despite its theoretical underpinning and relevance in the Southern African Development Community (SADC). Understanding the effective channels of human capital is essential for policymakers in promoting sustainable growth and improved welfare. Given this, the study examines the effect of women’s empowerment through the ‘factor accumulation channel’ and the ‘productivity channel’ on SADC using cross-sectionally augmented autoregressive distributed lag (CS-ARDL) and the Dumitrescu–Hurlin non-causality test. Evidence from short- and long-run effects using the CS-ARDL shows that the factor accumulation and productivity channels of women’s empowerment have not benefited productivity growth in the SADC, although causality flows from the human capital indicators to productivity growth. The vital way for policy to boost productivity in SADC is to improve investment in female education and ensure that human capital is appropriately distributed and matches the economy’s dynamic demands. Based on the findings, the study suggests developing a framework to ascertain from time to time the marginal benefits of investment in female education compared to the marginal costs, both at the levels of the factor accumulation channel and the productivity channel in SADC.

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)0,002
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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,661
Score d'incertitude au seuil0,449

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,030
Tête enseignante GPT0,222
Écart entre enseignants0,192 · 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'étudeQualitatif
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

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetFiscal Policy and Economic GrowthTravaux en français237 207