Saved in:
| Main Authors: | , |
|---|---|
| Format: | Recurso digital |
| Language: | English |
| Published: |
Zenodo
2025
|
| Online Access: | https://doi.org/10.5281/zenodo.17429558 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1866902247982497792 |
|---|---|
| author | RAFIE, Fatima-Ezzahra LEKHAL, Mostafa |
| author_facet | RAFIE, Fatima-Ezzahra LEKHAL, Mostafa |
| contents | <p><span>Ce chapitre, intitulé « Modèles économétriques et algorithmes de machine learning : une analyse comparative des déterminants de la dette publique extérieure », s’inscrit dans l’ouvrage collectif Les sciences de management à l’ère de l’intelligence artificielle : Convergence et disruption. Il propose une étude comparative entre les modèles économétriques traditionnels et les algorithmes de machine learning appliqués à l’analyse des déterminants de la dette publique extérieure.</span></p> <p><span>À travers cette confrontation méthodologique, le chapitre met en lumière les forces et limites propres à chaque approche : les outils d’intelligence artificielle offrent une capacité accrue de généralisation et de détection de tendances, tandis que les modèles économétriques demeurent essentiels pour établir des relations de causalité et distinguer les effets de court et de long terme.</span></p> <p><span>En articulant rigueur scientifique et ouverture technologique, ce chapitre invite à réfléchir à la complémentarité entre IA et économie empirique, interrogeant la capacité de l’intelligence artificielle à s’intégrer dans les dispositifs d’aide à la décision économique sans pour autant remplacer les cadres analytiques traditionnels.</span></p> |
| format | Recurso digital |
| id | zenodo_https___doi_org_10_5281_zenodo_17429558 |
| institution | Zenodo |
| language | eng |
| publishDate | 2025 |
| publisher | Zenodo |
| record_format | zenodo |
| spellingShingle | Does AI Always Outperform Conventional Methods? Exploring Its Limitations in the Assessment of Public External Debt Determinants RAFIE, Fatima-Ezzahra LEKHAL, Mostafa <p><span>Ce chapitre, intitulé « Modèles économétriques et algorithmes de machine learning : une analyse comparative des déterminants de la dette publique extérieure », s’inscrit dans l’ouvrage collectif Les sciences de management à l’ère de l’intelligence artificielle : Convergence et disruption. Il propose une étude comparative entre les modèles économétriques traditionnels et les algorithmes de machine learning appliqués à l’analyse des déterminants de la dette publique extérieure.</span></p> <p><span>À travers cette confrontation méthodologique, le chapitre met en lumière les forces et limites propres à chaque approche : les outils d’intelligence artificielle offrent une capacité accrue de généralisation et de détection de tendances, tandis que les modèles économétriques demeurent essentiels pour établir des relations de causalité et distinguer les effets de court et de long terme.</span></p> <p><span>En articulant rigueur scientifique et ouverture technologique, ce chapitre invite à réfléchir à la complémentarité entre IA et économie empirique, interrogeant la capacité de l’intelligence artificielle à s’intégrer dans les dispositifs d’aide à la décision économique sans pour autant remplacer les cadres analytiques traditionnels.</span></p> |
| title | Does AI Always Outperform Conventional Methods? Exploring Its Limitations in the Assessment of Public External Debt Determinants |
| url | https://doi.org/10.5281/zenodo.17429558 |