When do we talk about when we talk about economics?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Everywhere we look there are “economic indicators.” We talk about the jobless rate and the national debt. We learn about the first quarter and evaluate movies by how much they earn on opening weekend. In the end, life insurance companies determine our “worth.” Does any of this make sense? On the next episode of WHY?, we’ll talk with economic historian Deirdre McCloskey about what these figures tell us and what they leave out. We’ll ask where the human experience is in the midst of all these numbers and investigate economic assumptions that claim human beings are self-interested, and that happiness or desires can be quantified. We’ll even ask whether economics is, itself, a science that leads to objective information. Deirdre McCloskey is a Distinguished Professor of Economics, History, English, and Communication at the University of Illinois at Chicago. She is also a Professor of Economic History, Gothenburg University in Sweden. She is interested in the rhetoric of economics and wider literary matters, such as literary and social theory. Her main project for is writing a six-volume series on “The Bourgeois Era.” The first two volumes The Bourgeois Virtues, Ethics for An Age of Commerce and Bourgeoisie Dignity: Why Economics Can’t Explain the Modern World, have already been published. Deirdre describes herself as is a free-market economist and explains that her project is a defense of capitalism that is fair to both the right and the left. She is the author of numerous other books other than her six-volume project. Her webpage and examples of her work can be found here.
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.
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 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle