MétaCan
Menu
Retour à la cohorte
Enregistrement W4386442022 · doi:10.1017/s1474745623000034

North–South Trade-Related Technology Diffusion and the East Asia–Latin America Productivity Gap

2023· article· en· W4386442022 sur OpenAlexaffabout
Maurice Schiff, Yanling Wang

Notice bibliographique

RevueWorld Trade Review · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensCarleton University
Organismes subventionnairesUniversidad de ChileNankai University
Mots-clésTotal factor productivityLatin AmericansEast AsiaProductivityEconomicsCorporate governanceInternational tradeGeographyDevelopment economicsEconomic geographyInternational economicsChinaEconomic growthPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract This paper examines the impact of trade-related technology diffusion from G7 countries to Latin America and East Asia on total factor productivity controlling for education, governance, and distance. We build on the trade and distance-focused strands of the technology diffusion literature and find that (i) total factor productivity (TFP) increases with education, trade, and governance (ETG) and declines with distance to the G7 countries; (ii) increasing Latin America's ETG to East Asia's level would double TFP, accounting for about 75% of the TFP gap between the two country groups; and (iii) South America's greater remoteness relative to Mexico's from the US and Canada significantly reduces its TFP and similarly for Singapore's greater remoteness from Japan relative to Hong Kong.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,728
Score d'incertitude au seuil0,874

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
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)0,0000,001

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 Opus0,036
Tête enseignante GPT0,216
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; 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'étudeSans objet
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

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWorld Trade ReviewMême sujetEconomic Growth and ProductivityTravaux en français237 207