MétaCan
Menu
Retour à la cohorte
Enregistrement W6991899637

Innovative Asia: Advancing the Knowledge-Based Economy - Highlights of the Forthcoming ADB Study Report

2014· article· en· W6991899637 sur OpenAlexaboutno aff

Notice bibliographique

RevueeCommons (Cornell University) · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Socioeconomic Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPaceEmerging marketsDeveloping countryFrontierPosition (finance)World economyValue (mathematics)Quarter (Canadian coin)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

[Excerpt] The development of knowledge-based economies (KBEs) is both an imperative and an opportunity for developing Asia. It is an imperative to sustain high rates of growth in the future and an opportunity whereby emerging economies can draw from beneficial trending developments that may allow them to move faster to advance in global value chains and in position in world markets. Over the last quarter of a century, driven mostly by cheap labor, developing countries in Asia have seen unprecedented growth rates and contributions to the global economy. Sustaining Asia’s growth trajectory, however, requires developing economies to seek different approaches to economic growth and progress, especially if they aspire to move from the middle-income to the high-income level. KBE is an important platform that can enable them to sustain growth and even accelerate it. It is time for Asia to consolidate and accelerate its pace of growth. Asia is positioned in a unique moment in history with many advantages that can serve as a boost: to name a couple, an expanding middle of the pyramid—Asia is likely to hold 50% of the global middle class and 40% of the global consumer market by 2020; and the growing importance of intra-regional trade within Asia, increasing from 54% in 2001 to 58% in 2011. Many developing economies are well placed to assimilate frontier technologies into their manufacturing environment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,704
Score d'incertitude au seuil0,472

Scores Codex et Gemma par catégorie

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

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 Opus0,021
Tête enseignante GPT0,197
Écart entre enseignants0,176 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeCommons (Cornell University)Même sujetInnovation and Socioeconomic DevelopmentTravaux en français237 207