Notice bibliographique
Résumé
This study examines the impact of Human Capital Development on Economic Growth in Nigeria.It made use of five variable ordinary least square regression models to test the impact of Human Capital Development on the Growth of the Nigerian economy.These variables are Government Expenditure on Health (GEHT), Government Expenditure on Education (GEED), Labour Force (LF), Life Expectancy (LE), and Gross Rate of Capital (GRC).Secondary data sourced from the Central Bank of Nigeria Statistical Bulletin, 2013, National Bureau of Statistics report 2013 and World Bank Annual Report, 2013 was used in the study.It was also found out that about 91% of the changes in the dependent variable (GDP) were accounted for by changes in the explanatory variable.This to a large extent explains the place of human capital development in economic growth.The more the government concentrates on human capital development, the more of economic progress that will be recorded.The study therefore recommends as follows: that priority should be given to human capital development considering the impact it had on economic development as exposed by the result of the finding.Both formal and informal education should be developed to increase its impact of the nation's economy and also Government should redouble their effort toward improving the standard of education in Nigeria.This will on the long run translate to economic growth occasioned by a vibrant and well trained manpower.It has been discovered that human resource rather than natural resources guarantee economic growth the world over.In a country like Nigeria where economic growth and development is much need, a study to expose the impact of human development on economic growth cannot but be significant.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,922 | 0,920 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».