MétaCan
Menu
Retour à la cohorte
Enregistrement W4389131388 · doi:10.5539/res.v15n4p31

Public Debt and Economic Growth after Covid-19 in Europe: Challenges and Policy Implications

2023· article· en· W4389131388 sur OpenAlexvenueno aff
Dimitra Mitsi

Notice bibliographique

RevueReview of European Studies · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policies and Political Economy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDebtDebt-to-GDP ratioInternal debtEconomicsDebt levels and flowsEconomic policyCrowding outFiscal policyExternal debtMacroeconomicsPublic economicsBusiness

Résumé

récupéré en direct d'OpenAlex

The Covid-19 pandemic has had a profound impact on European economies, leading to a significant increase in public debt levels. This paper examines the challenges and policy implications of managing public debt and fostering economic growth in Europe post-Covid-19. It provides a conceptual framework by defining and measuring public debt, exploring the relationship between public debt and economic growth, and highlighting the role of public debt in times of crisis. The paper analyzes the impact of Covid-19 on public debt in Europe, including the fiscal response, debt accumulation, and reasons for increased debt levels. It further discusses the challenges posed by high public debt, such as debt sustainability, crowding out private investment, financial stability risks, and constraints on future fiscal policy. The study then presents policy implications for balancing public debt and economic growth, including fiscal consolidation measures, long-term debt management strategies, prioritizing public investments, implementing structural reforms, considering monetary policy, and fostering international cooperation. Additionally, the paper provides case studies of selected European countries, evaluating their approaches, assessing policy effectiveness, and drawing key lessons and best practices. Finally, the paper concludes with a summary of key findings, policy recommendations for European governments, and suggestions for future research directions.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,940
Score d'incertitude au seuil0,573

Scores Codex et Gemma par catégorie

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

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 Opus0,178
Tête enseignante GPT0,330
Écart entre enseignants0,152 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of European StudiesMême sujetFiscal Policies and Political EconomyTravaux en français237 207