Notice bibliographique
Résumé
This special focus provides a set of statistical knowledge on intra-Southeast Asian trade from the late eighteenth to the mid-nineteenth centuries, to better understand the ways in which Southeast Asia became integrated into both long-distance trade and intra-Asian trade.In so doing, it explores aspects of how and why some of the traditional trading networks of the region survived the Western impact and came to play a vital role in the process of regional integration.In 1985 Kaoru Sugihara suggested that there was a growth of intra-Asian trade in the period 1880-1913, under the impact of the Industrial Revolution in England and the subsequent diffusion of industrialization in Europe and the United States.Unlike other parts of the non-European world, he argued, the rate of growth of intra-Asian trade during this period was faster than that of long-distance trade between the West and Asia.Over the last quarter of a century, relationships between long-distance trade-which is the trade between the West (United Kingdom, industrial Europe, and the United States) and Asia-and intra-Asian trade-which is the trade between India, Southeast Asia, China, Japan, and other Asian countries-have been vigorously explored; and trends in Asian regional integration, reflected in intra-regional trade, migration, and remittances, have been highlighted.Among the major observations is that during the high colonial era, from 1870 to 1914, Southeast Asia experienced the highest rate of export growth among Asian regions through its incorporation into both world and regional economies at almost equal speeds (Sugihara 1985;1996;2005).
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,485 | 0,335 |
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 ».