MétaCan
Menu
Retour à la cohorte
Enregistrement W4379034951 · doi:10.5089/9781513587219.071

South Asia's Path to Resilient Growth

2022· book· en· W4379034951 sur OpenAlexaff
Ranil Salgado, Klaus-Peter Hellwig, Mercedes García-Escribano, Tewodaj Mogues, Marian Moszoro, Mauricio Soto, Ruchir Agarwal, Andrew Hodge, Racha Moussa, Piyaporn Sodsriwiboon, Jarkko Turunen, Bazlul Haque Khondker, Emmanouil Kitsios, Sanghamitra Mukherjee, Vybhavi Balasundharam, Patrick Blagrave, Eugenio Cerutti, Ragnar Gudmundsson, Weicheng Lian, Fei Liu, Katsiaryna Svirydzenka, Biying Zhu, Shanaka Peiris, Pragyan Deb, Naihan Yang, Olivier Bizimana, Laura Jaramillo, Saji Thomas, Jiae Yoo, Chetan Ghate, Faisal Ahmed, Gerard Almekinders, Sumiko Ogawa, Kristalina Georgieva

Notice bibliographique

Revuenon disponible
Typebook
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural risk and resilience
Établissements canadiensQueen's University
Organismes subventionnairesHarvard Kennedy SchoolInternational Labour OrganizationEconomic Research InstituteUniversity of CambridgeHarvard UniversityPennsylvania State UniversityJohns Hopkins UniversityUniversity of Pennsylvania
Mots-clésPath (computing)GeographySouth asiaComputer scienceAncient historyHistoryComputer network

Résumé

récupéré en direct d'OpenAlex

South Asia’s Path to Resilient Growth highlights the remarkable development progress in South Asia and how the region can advance in the aftermath of the COVID-19 pandemic. Steps include a renewed push toward greater trade and financial openness, while responding proactively to the distributional impact and dislocation associated with this structural transformation. Promoting a green and digital recovery remains important. The book explores ways to accelerate the income convergence process in the region, leveraging on the still-large potential demographic dividend in most of the countries. These include greater economic diversification and export sophistication, trade and foreign direct investment liberalization and participation in global value chains amid shifting regional and global conditions, financial development, and investment in human capital.

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)0,000
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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,010
Tête enseignante GPT0,190
Écart entre enseignants0,180 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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 sujetAgricultural risk and resilienceTravaux en français237 207