MétaCan
Menu
← Retour à la cohorte
Enregistrement W4402370567 · doi:10.3390/jrfm17090402

Impairing Globalization: The Russo-Ukrainian War, Western Economic Sanctions and Asset Seizures

2024· article· en· W4402370567 sur OpenAlexvenueno aff
Steven Rosefielde

Notice bibliographique

RevueJournal of risk and financial management · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Sanctions and International Relations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUkrainianSanctionsAsset (computer security)GlobalizationEconomic sanctionsPolitical scienceEconomicsEconomic policyPolitical economyLawPhilosophy

Résumé

récupéré en direct d'OpenAlex

The potency of economic sanctions imposed on nations depends on demand and supply adjustment possibilities. Adverse GDP impacts will be maximal when import, export, production, distribution and finance are inflexible (universal non-substitution). This paper elaborates on these conditions and quantifies the maximum GDP loss that Western sanctions could have inflicted on Russia in 2022–2023. It reports the World Bank’s predictions, contrasts them with the results and draws inferences about the efficiency of Russia’s workably competitive markets. This paper shows that Russia’s economic system exhibits moderate universal substitutability and is less vulnerable to punitive discipline than Western policymakers suppose. The likelihood that economic sanctions will compel the Kremlin to restore Ukraine’s territorial integrity ceteris paribus is correspondingly low, even though war reduces Russia’s quality of existence. Western economic sanctions serve narrow geostrategic ends that are reconcilable with Pareto-efficient free trade and globalization, if precision-targeted, but as the Russo-Ukrainian war intensifies, an expanded array of novel and dubiously legal sanctions is degrading free trade, and spurring de-globalization and anti-Western coalitions. If this armed combat is prolonged, the goals of free trade and globalization could be set back for decades.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,012
Tête enseignante GPT0,225
Écart entre enseignants0,213 · 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'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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial management→Même sujetEconomic Sanctions and International Relations→Travaux en français237 207→