MétaCan
Menu
Retour à la cohorte
Enregistrement W616678344

Economic growth in the information age

2002· book· de· W616678344 sur OpenAlexaboutno aff
Dale W. Jorgenson

Notice bibliographique

RevueMIT Press eBooks · 2002
Typebook
Languede
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProductivityScope (computer science)ChinaInvestment (military)Development economicsDivision of labourEconomicsEconomic growthInternational tradeBusinessEconomyPolitical scienceMarket economy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The relentless decline in the prices of information technology (IT) has steadily enhanced the role of IT investment as a source of economic growth in the United States. Productivity growth in IT-producing industries has gradually risen in importance, and a productivity revival has taken place in the rest of the economy. In this book Dale Jorgenson shows that IT provides the foundation for the resurgence of American economic growth.Information technology rests in turn on the development and deployment of semiconductors--transistors, storage devices, and microprocessors. The semiconductor and IT industries are global in scope, with an elaborate international division of labor. This poses important questions about the American growth resurgence. For example, where is the evidence of the new economy in other leading industrialized nations? To address this question, Jorgenson compares the recent growth performance in the G7 countries--Canada, France, Germany, Italy, Japan, the United Kingdom, and the United States. Several important participants in the IT industries, such as South Korea, Malaysia, Singapore, and Taiwan, are newly industrializing economies. What does this portend for the future economic growth of developing countries? Jorgenson analyzes past and future growth trends in China and Taiwan to arrive at a fuller understanding of economic growth in the information age.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,002
Communication savante0,0040,006
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,036
Tête enseignante GPT0,194
Écart entre enseignants0,158 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations244
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMIT Press eBooksMême sujetEconomic Growth and ProductivityTravaux en français237 207