Long-term economic outlook for Japan, as impacted by COVID-19
Notice bibliographique
Résumé
Abstract Due to COVID-19, Japan’s GDP decreased by 4.5% in 2020 from 0.7% in 2019. The economy increased by 1.7% in 2021, stagnated at 1.4% in 2022, and is expected to grow at 1.8% in 2023 and to slowdown to 0.9% in 2024, based on the January 2023 forecasts of the International Monetary Fund (IMF). IMF’s January 2023 report is based on inflation peaking with low growth due to rising interest rates. In January 2021, a year into the COVID-19 pandemic period, the IMF was hopeful, predicting a V-shaped growth pattern of 3.1% for 2021 and 2.4% for 2022 due to policy stimulus and the availability of vaccines. However, this did not materialize due to various geopolitical and economic shocks. The economic costs of the COVID-19 pandemic relative to its absence are estimated to be at least US$1.1 trillion (¥160 trillion) until 2030 under a continued low economic growth future path. Moreover, the estimated US$1.1 trillion economic loss is equivalent to the erasure of approximately 30% of GDP produced in 2019 during the Abenomics era. If in the absence of the pandemic, the economy was assumed to have a high growth, the losses would reach US$ 4.8 trillion (¥706 trillion) due to the lost opportunity of a high-growth counterfactual trajectory.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».