Does the rural digital economy promote shared prosperity among farmers? Evidence from China
Notice bibliographique
Résumé
Introduction Ensuring shared prosperity among rural populations remains a central challenge in achieving inclusive and sustainable development. New opportunities for rural development have been created by the growth of the digital economy, yet empirical evidence on its capacity to promote shared prosperity among farmers remains limited. This study examines the connection between the growth of the rural digital economy and shared prosperity, highlighting the function of high-quality agricultural development as a moderating factor. Methods This study uses a fixed effects regression approach to evaluate how the development of the rural digital economy affects farmers' shared prosperity using balanced provincial panel data from 2013 to 2022. To investigate the influence of high-quality agricultural development, the mediation model is constructed. Multiple robustness tests, including lagged variables, alternative indicators, and sub-sample analyses, are carried out to guarantee the validity of the findings. Results The results of the study indicate that the development of the digital economy in rural areas significantly promotes farmers' shared prosperity. The mediating role of high-quality agricultural development is confirmed, highlighting its importance in channeling digital economic benefits. Regional heterogeneity is observed, with stronger effects found in western provinces compared to eastern ones. Furthermore, the impact follows a U-shaped trajectory, indicating that as digital infrastructure matures, its capacity to promote shared rural prosperity increases. Discussion The findings suggest that advancing rural digital infrastructure and services, alongside improvements in agricultural quality, is essential for fostering equitable development outcomes. The evidence underscores the need for context-specific strategies, particularly in underdeveloped regions where digital integration can yield the greatest marginal benefits. This study adds to the expanding discussion about digital inclusion and rural revitalization in the global effort toward sustainable and inclusive food systems.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 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 ».