Brexit, Trumpit: la fin des accords régionaux ? Conséquences pour l’industrie automobile
Bibliographic record
Abstract
L’année 2016 a été marquée par une forte remise en question de la libéralisation commerciale dans l'opinion publique et parmi les décideurs politiques. Les difficultés auxquelles se sont heurtés l'accord entre le Canada et l’UE (CETA) ainsi que celui entre les États-Unis et l’UE (TTIP) rendent peu probable la signature de nouveaux accords. L’heure est même à la remise en cause des accords existants : le vote en faveur d’une sortie du Royaume-Uni de l'Union européenne (Brexit) et les promesses électorales du nouveau président des États-Unis, Donald Trump, d'augmenter de 35 % les droits de douane sur les importations en provenance du Mexique (que nous appellerons « Trumpit ») montrent que les Accords Commerciaux Régionaux (ACR) sont réversibles au gré des décisions politiques. Dans cette Lettre, nous analysons les conséquences du démantèlement potentiel et désormais hautement probable de certaines relations préférentielles au sein de l’Union européenne et de l’ALENA. Les estimations proposées permettent de mesurer les coûts économiques importants d’un retour au protectionnisme.
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 | 0.004 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.014 | 0.001 |
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".