論文の概要: Estimating a new panel MSK dataset for comparative analyses of national
absorptive capacity systems, economic growth, and development in low and
middle income economies
- arxiv url: http://arxiv.org/abs/2109.05529v1
- Date: Sun, 12 Sep 2021 14:48:07 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-16 12:28:00.948144
- Title: Estimating a new panel MSK dataset for comparative analyses of national
absorptive capacity systems, economic growth, and development in low and
middle income economies
- Title(参考訳): 低所得・中所得経済における国家吸収能力・経済成長・発展の比較分析のための新しいパネルMSKデータセットの推定
- Authors: Muhammad Salar Khan
- Abstract要約: 低所得国や中所得国(LMIC)は、成長、発展、革新に関する経験的な議論にはほとんど含まれていない。
この作業は、新しい完全なパネルデータセットを提供し、IDAのサポートに該当するLMICに欠落する値はない。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Within the national innovation system literature, empirical analyses are
severely lacking for developing economies. Particularly, the low- and
middle-income countries (LMICs) eligible for the World Bank's International
Development Association (IDA) support, are rarely part of any empirical
discourse on growth, development, and innovation. One major issue hindering
panel analyses in LMICs, and thus them being subject to any empirical
discussion, is the lack of complete data availability. This work offers a new
complete panel dataset with no missing values for LMICs eligible for IDA's
support. I use a standard, widely respected multiple imputation technique
(specifically, Predictive Mean Matching) developed by Rubin (1987). This
technique respects the structure of multivariate continuous panel data at the
country level. I employ this technique to create a large dataset consisting of
many variables drawn from publicly available established sources. These
variables, in turn, capture six crucial country-level capacities: technological
capacity, financial capacity, human capital capacity, infrastructural capacity,
public policy capacity, and social capacity. Such capacities are part and
parcel of the National Absorptive Capacity Systems (NACS). The dataset (MSK
dataset) thus produced contains data on 47 variables for 82 LMICs between 2005
and 2019. The dataset has passed a quality and reliability check and can thus
be used for comparative analyses of national absorptive capacities and
development, transition, and convergence analyses among LMICs.
- Abstract(参考訳): 国家の革新システム文学の中では、実証分析は発展途上国に著しく欠落している。
特に、世界銀行の国際開発協会(IDA)の支援を受ける低所得国や中所得国(LMIC)は、成長、開発、革新に関する実証的な議論にはほとんど参加していない。
LMICのパネル分析を妨げる主要な問題の一つは、完全なデータ可用性の欠如である。
この作業は、新しい完全なパネルデータセットを提供し、IDAのサポートに該当するLMICに欠落する値はない。
rubin (1987) が開発した標準で広く尊敬されている複数のインプテーション手法(特に予測平均マッチング)を使用します。
この手法は、多変量連続パネルデータの構造を国レベルで尊重する。
私はこのテクニックを使って、公開されている既存のソースから描かれた多くの変数からなる大きなデータセットを作成します。
これらの変数は、技術的能力、財政的能力、人的資本能力、インフラ的能力、公共政策能力、社会的な能力の6つの重要な国レベルの能力を取得する。
このような容量は、National Absorptive Capacity Systems (NACS)の一部と小包である。
このデータセット(MSKデータセット)は2005年から2019年までの82のLMICに対して47変数のデータを含む。
このデータセットは品質と信頼性のチェックをパスし、国家の吸収能力の比較分析やlmicの発達、遷移、収束解析に使用できる。
関連論文リスト
- Survey of Social Bias in Vision-Language Models [65.44579542312489]
調査の目的は、NLP、CV、VLをまたいだ事前学習モデルにおける社会バイアス研究の類似点と相違点について、研究者に高いレベルの洞察を提供することである。
ここで提示された発見とレコメンデーションはMLコミュニティの利益となり、公平でバイアスのないAIモデルの開発を促進する。
論文 参考訳(メタデータ) (2023-09-24T15:34:56Z) - Data Distribution Bottlenecks in Grounding Language Models to Knowledge
Bases [9.610231090476857]
言語モデル(LM)は、自然言語と形式言語の両方を理解し、生成する際、すでに顕著な能力を示している。
本論文は,知識ベース質問応答(KBQA)を課題として,LMが直面する課題を明らかにすることを目的とした実験的研究である。
実験の結果,提案手法を応用しても,様々な次元において,先進的な小・大規模言語モデルの性能が低下していることが判明した。
論文 参考訳(メタデータ) (2023-09-15T12:06:45Z) - Bias and Fairness in Large Language Models: A Survey [76.65471160523444]
本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。
まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。
次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
論文 参考訳(メタデータ) (2023-09-02T00:32:55Z) - KoLA: Carefully Benchmarking World Knowledge of Large Language Models [56.672981891304005]
我々は知識指向LLMアセスメントベンチマーク(KoLA)を構築した。
能力モデリングでは、人間の認知を模倣して知識関連能力の4段階の分類を作成し、19ドルのタスクをカバーしている。
データには、LLMによって事前訓練されたコーパスであるウィキペディアと、継続的に収集される新興コーパスの両方を使用し、目に見えないデータを扱う能力と知識の進化を評価することを目的としています。
論文 参考訳(メタデータ) (2023-06-15T17:20:46Z) - Beyond Classification: Financial Reasoning in State-of-the-Art Language
Models [0.0]
大規模言語モデル(LLM)は複雑な多段階推論タスクにおいて顕著な能力を示した。
本研究は,金融分野におけるLLMの適用可能性に関する包括的調査である。
コヒーレントな財務推論を生成する能力は、まず6Bパラメータで現れ、より良い命令チューニングやより大きなデータセットで改善を続けている。
論文 参考訳(メタデータ) (2023-04-30T04:36:05Z) - Training Machine Learning Models to Characterize Temporal Evolution of
Disadvantaged Communities [2.1242970730855126]
米国エネルギー省(DOE)のジャスティス40イニシアチブは、気候とエネルギー投資がどこにあるか、あるいは行われていないかを判断するために、アメリカ合衆国中の国勢調査区域を特定している。
DACの地位は、将来のジャスティス40関連投資の適格性を決定するのに役立つだけでなく、資源の公平な分配を実現する方法を模索する上でも重要である。
本稿では,近年の国勢調査データに基づいて機械学習(ML)モデルを訓練して,国勢調査領域レベルでのDACステータスを分類し,過去のDACステータスを分類する。
論文 参考訳(メタデータ) (2023-03-07T06:33:40Z) - DA-VEGAN: Differentiably Augmenting VAE-GAN for microstructure
reconstruction from extremely small data sets [110.60233593474796]
DA-VEGANは2つの中心的なイノベーションを持つモデルである。
$beta$-variational autoencoderはハイブリッドGANアーキテクチャに組み込まれている。
このアーキテクチャに特化して、独自の差別化可能なデータ拡張スキームが開発されている。
論文 参考訳(メタデータ) (2023-02-17T08:49:09Z) - Jalisco's multiclass land cover analysis and classification using a
novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。
本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。
組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
論文 参考訳(メタデータ) (2022-01-26T14:58:51Z) - Micro-Estimates of Wealth for all Low- and Middle-Income Countries [14.717329936263672]
2.4kmの解像度で135か所の低所得国と中所得国の人口を包含する富と貧困の最初のマイクロ見積もりを開発した。
この推定は、衛星、携帯電話ネットワーク、地形地図、およびFacebookの集合的および非特定接続データからの膨大なおよび異種データに機械学習アルゴリズムを適用することによって構築される。
論文 参考訳(メタデータ) (2021-04-15T20:37:46Z) - COMET-ATOMIC 2020: On Symbolic and Neural Commonsense Knowledge Graphs [82.8453695903687]
我々は,手作業で構築したコモンセンス知識グラフ(CSKG)が,NLPエージェントが遭遇するすべての状況に適用可能な範囲を達成できないことを示す。
我々は、事前訓練された言語モデルでは利用できない知識を含む汎用コモンセンス知識の新しいCSKGであるATOMIC 2020を提案する。
我々は,他のCSKGと比較してその特性を評価し,コモンセンス知識資源の大規模一対研究を行った。
論文 参考訳(メタデータ) (2020-10-12T18:27:05Z) - Natural language processing for achieving sustainable development: the
case of neural labelling to enhance community profiling [2.6734009991058794]
本研究は,NLPによるプロジェクトの持続可能性向上に寄与する可能性を示す。
我々は、先進国と対照的に、顕著なデータギャップが存在する発展途上国におけるコミュニティプロファイリングの事例に焦点を当てる。
極端に多クラスなマルチラベル分類問題である自動PV分類の課題を提案する。
論文 参考訳(メタデータ) (2020-04-27T16:51:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。