MétaCan
Menu
Retour à la cohorte
Enregistrement W4313855146 · doi:10.1088/1748-9326/acb163

The ‘conflict trap’ reduces economic growth in the shared socioeconomic pathways

2023· article· en· W4313855146 sur OpenAlexaff
Kristina Petrova, Gudlaug Olafsdottir, Håvard Hegre, Elisabeth Gilmore

Notice bibliographique

RevueEnvironmental Research Letters · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural risk and resilience
Établissements canadiensCarleton University
Organismes subventionnairesArmy Research LaboratoryArmy Research OfficeUppsala Multidisciplinary Center for Advanced Computational ScienceHorizon 2020 Framework ProgrammeH2020 European Research CouncilRiksbankens JubileumsfondStiftelsen för Miljöstrategisk Forskning
Mots-clésSocioeconomic statusGross domestic productPer capitaPessimismHarmDevelopment economicsPer capita incomeEconomicsArmed conflictEconomic growthPolitical scienceDemographySociology

Résumé

récupéré en direct d'OpenAlex

Abstract Armed conflict and economic growth are inherently coupled; armed conflict substantially reduces economic growth, while economic growth is strongly correlated with a reduction in the propensity of armed conflict. Here, we simulate the incidence of armed conflict and its effect on economic growth simultaneously along the economic pathways defined by the shared socioeconomic pathways (SSPs). We argue that gross domestic product per capita projections through the 21st century currently in use are too optimistic since they disregard the harm to growth caused by conflict. Our analysis indicates that the correction required to account for this is substantial—expected income is 25% lower on average across countries when taking conflict into account. The correction is particularly strong for the more pessimistic SSP3 and SSP4 where expected future incidence of armed conflict is high. There are strong regional patterns with countries with contemporaneous conflicts experiencing much higher conflict burdens and reduced economic growth by the end of the century. The implications of this research indicate that today’s most marginalized societies will be substantially more vulnerable to the impact of climate change than indicated by existing income projections.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,914
Score d'incertitude au seuil1,000

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 technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,264
Écart entre enseignants0,221 · 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.

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

Citations21
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research LettersMême sujetAgricultural risk and resilienceTravaux en français237 207