Bibliographic record
Abstract
Résumé Au moment où l’École des HEC était fondée en 1907, la discipline de l’économie existait depuis presque un siècle et demi. De philosophie morale au XVIII e siècle à économie politique au XIX e puis à science économique au XX e , elle a connu de multiples rebondissements. Quatre dates en particulier s’imposent comme points tournants : 1776 avec Adam Smith, le père du libéralisme économique; 1870 avec la révolution dite «néoclassique» de la théorie de la valeur; 1936 avec John Maynard Keynes et la naissance de la macroéconomie; et les années 1970 avec la remise en question du rôle de l’État comme stabilisateur de l’économie à travers le monétarisme et les «nouveaux classiques». Après avoir remonté le cours de l’histoire de la discipline économique, nous nous tournons vers son avenir avec les thèmes et les problématiques majeurs qui occuperont vraisemblablement les économistes à court et à moyen terme dans cinq domaines : la macroéconomie, l’économie du travail, l’économétrie, l’économie politique et l’organisation industrielle. Nous en concluons que l’avenir s’annonce très riche en problématiques de recherche pertinentes pour la société à maints égards. Grâce à un cadre d’analyse et à des outils théoriques et informatiques sophistiqués, l’économiste de demain pourra continuer de jouer le rôle pas toujours apprécié de critique des politiques publiques et de défenseur de la prise en considération de l’environnement et des règles en vigueur sur le comportement des individus.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.005 | 0.021 |
| Scholarly communication | 0.013 | 0.009 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.004 | 0.008 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".