MétaCan
Menu
Retour à la cohorte
Enregistrement W7108321331 · doi:10.62320/jfbr.v4i2.80

U.S. Proposed Tariff on the Wood Sector within North America

2025· article· W7108321331 sur OpenAlexaboutno aff

Notice bibliographique

RevueJournal of Forest Business Research · 2025
Typearticle
Langue
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputable general equilibriumProtectionismTariffProduction (economics)General equilibrium theoryMargin (machine learning)Trade diversionPartial equilibriumCommercial policy

Résumé

récupéré en direct d'OpenAlex

This study evaluates the implications of the United States (U.S.) proposed tariffs on North American wood markets. Two scenarios were modeled using a ‘wood sector’-tailored FOrest Trade Equilibrium Model (FOTEM), which utilizes a general equilibrium model framework. The first scenario considered the U.S. imposing tariffs without retaliation from Canada and Mexico, and the second scenario modeled retaliatory tariffs from Canada and Mexico. Results indicate that U.S. GDP remains largely unaffected. Still, the U.S. wood sector suffers output losses under retaliation, particularly in hardwood lumber and paper-related industries (printing and publishing), which depend heavily on North American trade flows. Both Canada and Mexico experience contraction in their GDP and would be better off without retaliation. Canada emerges as the most affected partner, with severe disruptions in engineered panels and softwood products. Mexico’s Fiberboard, Furniture, Oriented Strand Board, and Pellets sectors show increased output due to trade diversion, though domestic resource and production constraints may limit these gains. The study highlights that protectionist measures can shield select industries in the short term but risk disrupting integrated supply chains and weakening overall competitiveness. The study concludes that coordinated trade policies are essential to sustain domestic production while reducing destabilization across North American wood markets.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,470
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,007
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0030,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,042
Tête enseignante GPT0,317
Écart entre enseignants0,275 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Forest Business ResearchMême sujetForest Management and PolicyTravaux en français237 207