MétaCan
Menu
Retour à la cohorte
Enregistrement W4384297110 · doi:10.46281/aijmsr.v14i2.2050

SOCIAL, ECONOMIC, AND ENVIRONMENTAL IMPACTS OF THE ONE BELT ONE ROAD INITIATIVES

2023· article· en· W4384297110 sur OpenAlexaff
Rajarshi Roy Chowdhury, Debashish Roy, Md Mamunur Rashid, Md Sumon Reza

Notice bibliographique

RevueAmerican International Journal of Multidisciplinary Scientific Research · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueBelt and Road Initiative
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesUniversiti Brunei Darussalam
Mots-clésSustainabilityChinaSustainable developmentGlobalizationPolitical scienceHumanityBusinessEconomic growthEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

The One Belt One Road Initiative (OBOR) by China presents a grand vision to the world that aims to foster cooperation among different countries in various fields such as global trade, international relations, infrastructure development, education, and technology. Also known as the Belt and Road Initiative (BRI), it comprises a network of roads, railways, and sea routes, all geared toward the development of humanity. The purpose of this research is to analyze some of the significant impacts of this massive project in terms of social, economic, and environmental aspects. Through the exchange of culture, sports, education, and international relations on six economic corridors, the BRI has the potential to create substantial economic benefits. The project also prioritizes environmental sustainability through a green BRI approach. All the quantitative and qualitative data are extracted from different research papers/reports, published books, and some online based data portals. It has been shown that the OBOR/BRI seeks to connect the world and foster peace, whilst its implementation may face significant challenges. Nonetheless, it presents new opportunities for people and may usher in a new era of globalization.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,002
Communication savante0,0030,002
Science ouverte0,0000,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,116
Tête enseignante GPT0,372
Écart entre enseignants0,257 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican International Journal of Multidisciplinary Scientific ResearchMême sujetBelt and Road InitiativeTravaux en français237 207