The Middle-Income Trap (MIT): A Provincial Comparison between Shaanxi and Jiangsu
Notice bibliographique
Résumé
China’s annual economic growth has slowed since the global financial crisis, dropping from 14.2% in 2007 to 6.9% in 2017. The question as to whether China would fall into the middle-income trap (MIT) has attracted plenty of discussions. However, China is a diverse country with uneven economic development. Some provinces are far more advanced than others. Therefore, it might be inaccurate to look at China as one single entity to make a judgment on the MIT issue. Instead, looking into each province and comparing provincial-level differences would be more insightful. This case is essentially about economic growth and development in general, and that of China in particular. It makes the topic of growth more interesting by discussing the triggering factors of the MIT through comparing the differences between a “trapped” and an “escaped” province, i.e., Shaanxi and Jiangsu. To alleviate the regional development gap, Shaanxi and Jiangsu became paired poverty alleviation partners in 1996 under the guidance of the Chinese central government. However, more than 20 years have passed, yet there is still a huge gap between the two provinces in many fields. Jiangsu’s GDP per capita has surpassed the range of MIT, while Shaanxi’s has not and is very likely to be trapped with the continuing slowdown of its economic growth. The key difference between the two provinces is not their resources, but their development policies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».