MétaCan
Menu
Retour à la cohorte
Enregistrement W1482106695

Micro-, Small- and Medium-Sized Enterprises with High-Growth Potential in the Southern Mediterranean: Identifying Obstacles and Policy Responses

2014· article· en· W1482106695 sur OpenAlexaff
Rym Ayadi, Willem Pieter De Groen

Notice bibliographique

RevueSSRN Electronic Journal · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIslamic Finance and Banking Studies
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésBusinessMediterranean climateInvestment (military)Corporate governanceSmall and medium-sized enterprisesDistribution (mathematics)Private sector developmentEntrepreneurshipEconomyDevelopment economicsEconomic policyPrivate sectorEconomic growthGeographyEconomicsPolitical scienceFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Arab Spring, which took root in Tunisia and Egypt in the beginning of 2011 and gradually spread to other countries in the southern Mediterranean, highlighted the importance of private-sector development, job creation, improved governance and a fairer distribution of economic opportunities. The developments led to domestic and international calls for the region’s governments to implement the needed reforms to enhance business and investment conditions, modernise their economies and support the development of enterprises. Central to these demands are calls to enhance the growth prospects of micro-, small- and medium-sized enterprises (MSMEs), which represent an overwhelming majority of the region’s economic activity. On the basis of interviews conducted among high-growth potential MSMEs in selected countries in the southern Mediterranean – Algeria, Egypt, Morocco and Tunisia – this report identifies and ranks key obstacles preventing MSMEs from reaching their high-growth potential and puts forward effective policy responses to reduce these obstacles. If implemented, the authors argue that these policies could unlock the MSMEs potential to contribute more to their economies.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,213
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetIslamic Finance and Banking StudiesTravaux en français237 207