From Dual Towards Bipolar? Some Recent Trends in the Indian Economy and Their Implications for Development Theory and Policy
Notice bibliographique
Résumé
Though economic growth sometimes gets prime importance in the development policy of some less developed and developing countries, it has been observed that inequality adversely affects economic growth from both the supply and the demand sides in such economies. On the supply side, inequalities of income and wealth (particularly the latter) create imperfections in the credit market. If an economy is demand constrained, an increase in inequality will make matters even worse as the richer section of the people has a lower propensity to consume than the poor. Though the Gini coefficient of income distribution has been declining in regions like Sub-Saharan Africa and South-East Asia during 1981–2023, it has increased in India and North America. This dualistic nature of development has further been overshadowed with polarisation of income and wealth in India with the characteristics of considerable intra-group homogeneity and inter-group heterogeneity. Sluggish growth in real wages, educated unemployment, and the possible adverse impacts of the presently emerging artificial intelligence (AI) can lead our economy towards bipolarity, and our economy is in danger of being divided into two parts with no interconnection working through labour reallocation from the backward to the advanced sector. Needless to say, that would be the end of the idea of development because a developing economy, by definition, means a dual economy with a shrinking backward sector.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».