MétaCan
Menu
Retour à la cohorte
Enregistrement W7095526580

Identity and the Effect of Ideational and Ideological Preferences on Monetary and Macroeconomic Policy: An Examination of the Former Eastern Bloc Countries1 Paper Presented to the Canadian Political Science Association annual meeting

2007· article· en· W7095526580 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueOral History, Memory, Narrative Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCzechMonetary policyIdeologyDivergence (linguistics)Convergence (economics)PoliticsAccessionGovernment (linguistics)European union
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Following the fall of communism, many expected that there would be a continuing convergence of economic policies amongst the post-communist Eastern European states (e.g., Hansson and Sachs, 1992). Since then, however, there has been a wide divergence in the economic orientations of the post-communist states, particularly in regards to monetary policy. Nowhere were these variances better illustrated than with the two historic accessions in 2004 and 2007 of large numbers of the post-communist Eastern European states to the European Union (EU). When examining the monetary policies of the post-communist states of Eastern Europe, four distinct groupings have emerged. The first, represented by Estonia and Czech Republic, has consistently made fundamental macroeconomic reforms to orient their monetary policies closer to Western Europe, which greatly facilitated each ones accession to the EU, and has put both on track to eventually meet EMU requirements. Relative to other post-communist states, Estonia and Czech Republic have been on the leading edge in terms of enhancing central bank independence, lowering inflation, and reducing government deficits. A second group, represented by Romania, which was initially slow in instituting macroeconomic reforms, has more recently increased its rate of monetary policy adjustments to

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)0,003
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,574
Score d'incertitude au seuil0,846

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,015
Tête enseignante GPT0,256
Écart entre enseignants0,241 · 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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOral History, Memory, Narrative AnalysisTravaux en français237 207