Notice bibliographique
Résumé
The following table examines the relationship between the percentage of GNP invested in capital (including robotics) and the consequent percentage of increase in productivity. Over the seventeen year study period, illustrated in Table VI , every nation examined has increased its total output capacity as a consequence of increased capital investment. While the United States remains the most productive nation in the world, it is important to note that proportionally, our increase over the 17-year period has been the smallest of any country studies — even smaller than the United Kingdom’s. Note that the largest productivity increase— one-hundred-seventy-percent —occurred Table VI Relationship of Productivity and Investment 1960 TO 1977 CUMULATIVE DATA* COUNTRY % GNP INVESTED IN CAPITAL % PRODUCTIVITY INCREASE CANADA 23% 28% FRANCE 25% 65% W. GERMANY 24% 78% JAPAN 40% 170% NORWAY 31% 40% SWEDEN 22% 50% SWITZERLAND 30% 61% U.K. 20% 30% U.S. 16% 18% *MACHINE TOOL MANUFACTURERS DATA in Japan, where the percentage of GNP invested in capital was the highest. Japan, a country of scarce natural resources and equally scarce manpower, can attribute a large share of its great gains in the world market directly to the intelligent use of capital investment; and a large portion of this investment has been in robotics.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».