Adaptations of green growth and degrowth in an oil-dependent economy toward a better future
Notice bibliographique
Résumé
Throughout the history of Newfoundland and Labrador (NL), the province has been relying on natural resources as the main sources of economic production. Consequently, NL is prone to external shocks from demand and price fluctuations. For example, the collapse of fisheries during the 1990s and the fall in global oil prices during the 2008 financial crisis have had negative impacts on the NL socioeconomic system, increasing unemployment and out-migration rates. A lack of modeling studies in the literature related to NL natural resources dependency, unemployment, and migration is the motivation for this research. This research focuses on studying the impact of oil, as a major natural resource for NL, dependency on other industries within the economy, employment, and migration through implementing green growth and degrowth policies as an alternative to decoupling the natural resources dependency and shifting away from the region’s historical sources of economic growth. This research links econometric, input-output (IO), and agent-based modeling techniques as a novel combination of methodologies to study the impact of an oil-dependent economy using oil prices and production reduction rates (scenarios of green growth and degrowth) as exogenous variables. The data used in this empirical analysis is obtained from Statistics Canada. The results help create suggestions for policymakers to steer socio-economic policies toward developing their economy for a better future.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 ».