Macro Simulations for PCs in the Classroom
Notice bibliographique
Résumé
There has always been a large difference between macroeconomics in the classroom and macroeconomics as it is used in practice. Macroeconomics of the classroom is basi-cally theoretical, and it is taught almost exclusively in a simple comparative stat-ics framework. Practicing macroeconomists, on the other hand, work with time-series data, sophisticated statistical techniques, and large-scale macroeconometric models. The PC revolution has now made it possible to bring macroeconometric models into the classroom. The model in Fair (1984), which consists of 128 equations, has been programmed to run on a PC; this paper will discuss its potential for use as a teaching tool at the elementary and advanced levels. The experi-ence so far has been quite encouraging. I. Hardware Requirements The software was written with the aim of minimizing the amount of memory needed to run the program. This amount turned out to be 128K, which includes the memory needed for the operating system of the computer. Although the model is fairly large (238 en-dogenous and exogenous variables), only five quarters ’ worth of data are needed in core memory at any one time. Data for five quarters are needed because the model has lagged values of up to four quarters. After the model is solved for a given quarter (the fifth quarter in memory), the results for that quarter are written to the disk, a new quarter’s worth of data are read (with the old first-quarter’s data dropped from memory),
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».