Reflections of Military Expenditures on Development in OECD Countries
Notice bibliographique
Résumé
It is argued that the military expenditures have negative effects on economic development, most probably, due to the diversion of the country’s resources to the unproductive sectors and its adverse impact on civilian production and welfare level. Nevertheless, it is also recognized that the military expenditures, when coupled with openness to innovation and its evolution into civilian sectors, can contribute to sustainable development. This study investigates the functioning of the mechanism of transforming military expenditures into R&D, R&D into patents and patents into income for the period 1995-2020 for 32 OECD member countries with data available, through the Phillips and Sul (2007, 2009) club convergence analysis. The findings reveal that the countries in the first group with a high military expenditure share within GDP such as Australia, Canada, South Korea, and the United States, engage in military expenditures within the context of development and innovation hypotheses. On the other hand, findings show that the countries also in the first group such as Chile, Colombia, Greece, Portugal, and Türkiye, make their military expenditures with the aim of coping with external threats and deterrence, and this situation, by leading to an inefficiency of the resource utilization, results in these countries’ staying within the undeveloped group. Based on the findings of the study, it is concluded that, in countries exceeding a certain level of development, military expenditures can contribute to the development of the strategic sectors by stimulating civil sectors and foster the sustainable development of the countries through the direction of this to the high-technology fields.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».