Strengthening ASEAN's electrical and electronics sector: Enhancing regional production networks and economic resilience
Notice bibliographique
Résumé
This study explores the evolution of Electrical and Electronic (E&E) industry within ASEAN between 2019 and 2023, emphasising its domestic interdependencies and regional production structures. Using input-output model of average propagation length (APL), the analysis categorises ASEAN economies into three production network clusters, namely, peripheral, intermediate, and advanced. The peripheral group, comprising Cambodia and Laos, is characterised by limited industrial capacity and short supply chains, reflecting constraints in skilled labour, capital availability, and infrastructure that hinder deeper industrial integration. The intermediate group, represented by Indonesia, Thailand, and Vietnam, displays longer APLs that indicate expanding but incomplete supply chain integration. These economies demonstrate concentration in upstream assembly activities yet remain weak in downstream distribution and innovation functions. The advanced group, led by Malaysia and Singapore, exhibits high network embeddedness, robust backward and forward linkages, and greater infrastructural and institutional support, functioning as coordination and innovation hubs within the regional E&E production system. The findings underscore the significance of regional collaboration, logistics optimisation, and technological upgrading to strengthen intra-ASEAN linkages. Policy implications include enhancing local supplier capabilities in peripheral economies, promoting industrial diversification in intermediate economies, and consolidating innovation ecosystems in advanced economies. Overall, this study highlights the hierarchical yet interconnected nature of ASEAN’s E&E production network and its pivotal role in achieving a resilient and sustainable regional industrial base.
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 | 0,000 |
| 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 | 0,000 | 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 ».