Bibliographic record
Abstract
Cette étude examine l'impact de la gouvernance sur les Investissements Étrangers Directs (IED) et le commerce en Afrique. Les principales conclusions révèlent que les Indicateurs mondiaux de la gouvernance : voix citoyenne et responsabilité, stabilité politique et absence de violence, efficacité des pouvoirs publics, qualité de la réglementation, État de droit, maîtrise de la corruption sont des moteurs majeurs de la croissance économique sur le continent. Ils émergent comme des facteurs cruciaux pour attirer les IED et renforcer le commerce, soulignant l'importance de la bonne gouvernance. Ainsi, les institutions transparentes et efficaces favorisent également l'intégration dans le commerce international et IED. L'analyse régionale met en lumière des variations significatives, soulignant l'importance de considérer les contextes nationaux spécifiques. Les approches quantitatives confirment les objectives identifiées offrant des insights riches sur les dynamiques nationales qui seront justifiées par des corrélations au premier lieu après à travers la méthode des moindres carrés ordinaire (OLS) pour voir l’importance de chaque indicateur de gouvernance sur le commerce et sur IED. Ces conclusions soulignent l'impératif de renforcer les institutions et d'adopter des politiques publiques axées sur la bonne gouvernance pour stimuler le développement économique durable en Afrique.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".