MétaCan
Menu
Retour à la cohorte
Enregistrement W4376141252 · doi:10.1111/1467-8454.12308

How Australia's economy gained momentum because of Covid‐19

2023· article· en· W4376141252 sur OpenAlexaboutno aff
Pierre Rostan, Alexandra Rostan

Notice bibliographique

RevueAustralian Economic Papers · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueRegional resilience and development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)PandemicPsychological resilienceResilience (materials science)EconomicsMomentum (technical analysis)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)EconomyGeographyFinance

Résumé

récupéré en direct d'OpenAlex

Abstract The objective of the paper is to assess the resilience of the economy of Australia following the Covid‐19 pandemic that hit the global economy in Q4 2019, in years 2020, 2021 and 2022. Quarterly growth rates (annualised) of the Real GDP of Australia and Canada are forecasted between Q2 2022 and Q4 2050. Two sets of forecasts are generated: forecasts using historical data including the pandemic (from Q1 1961 to Q1 2022) and excluding the pandemic (from Q1 1961 to Q3 2019). The computation of the difference of their averages is an indicator of the resilience of the economies during the pandemic, the greater the difference the greater the resilience. Used as a benchmark, Canada's economy shows a slightly lower resilience to the Covid‐19 pandemic (+0.37%) than Australia's economy (+0.39%) based on Q2 2022–2050 forecasts. However, driven by stronger growth than Canada, the average estimate of the Q2 2022–Q4 2050 quarterly (annualised) growth rate forecasts of Australia is expected to be +2.09% with the Q1 1961–Q1 2022 historical data while it should be +1.61% for Canada. Supported by higher growth, Australia's Real GDP is expected to overtake Canada's in Q1 2040.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,434
Score d'incertitude au seuil0,863

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,101
Tête enseignante GPT0,285
Écart entre enseignants0,184 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Economic PapersMême sujetRegional resilience and developmentTravaux en français237 207