Africa's international trade paradox, technology transfer, and value chain upgrade
Notice bibliographique
Résumé
This study examines the paradoxes in trade and global value chain (GVC) in Africa. Firstly, we analyzed international trade statistics of selected countries to highlight paradoxes in resource endowments, exports, and imports. We found contrasts between Africa's development potential and its current reality in trade and value capture. Secondly, we analyzed the content of reports focused on GVC challenges in four countries. We found that the reports predominantly focused on identifying issues in GVC upgrading in Africa rather than proposing solutions. These challenges, faced by developing economies in critical sectors, were categorized across four dimensions identified in the literature: technological capabilities, firms, government intervention, and joint ventures (JVs). Thirdly, we analyzed how to address these GVC upgrade challenges by using interviews from successful GVC upgrade cases in two additional countries. We applied four theoretical dimensions to categorize actions that successfully facilitated GVC upgrading. We found that of all the success factors, government intervention—acting as a shareholder, producer, regulator, and negotiator—was the most critical for successful GVC upgrading. Actions by the state, such as a well-organized early upgrade plan, coercive local expectations toward foreign firms, a winning negotiation approach, and concise JV agreements, were instrumental in these successes. • International trade paradoxes persist in Africa, keeping nations underdeveloped • GVC upgrade in Africa faces issues with technology, firm, state, joint venture • Government intervention is the key to GVC upgrade and trade paradox reversal • Early plan for GVC upgrade facilitates technological upgrade and value capture • Joint ventures play an important role in technology transfer toward GVC upgrade
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 ».