MétaCan
Menu
Retour à la cohorte
Enregistrement W1520785766 · doi:10.5539/ass.v11n24p258

The Critical Role of Micro, Small & Medium Enterprises in Employment Generation: An Indian Experience

2015· article· en· W1520785766 sur OpenAlexvenueno aff
N. Rajeevan, M. M. Sulphey, S. Rajasekar

Notice bibliographique

RevueAsian Social Science · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueIndian Economic and Social Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCensusAgricultureScale (ratio)BusinessSmall and medium-sized enterprisesEconomic growthAgricultural economicsEconomyEconomicsGeographyPopulationFinance

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to examine the role of Micro, Small and Medium Enterprises (MSMEs) in Indian economy towards employment generation. It is found that this sector provides employment to nearly 60 million people through 26 million enterprises. In terms of employment generation, place of MSMEs is next to agriculture. Second All India census of Small Scale Industries (Financial Year 1987-88) had recorded 121.74 per cent growth in employment in this sector. Though the Third All India census of Small Scale Industries (Financial Year 2001-02) showed a decline in the growth of employment, this sector has achieved better growth in the fourth census (Financial Year 2006-07) as a reflection of the structural reforms implemented in the Indian economy. This study also reveals that the unregistered enterprises generate more than 80 per cent of the employments. By computing the Compound Annual Growth Rate (CAGR) in the MSMEs sector of India, it has seen that CAGR for the growth of employment in the post reform period is higher than the pre reform period. Even after the integration of Indian economy with global economy in 1991, MSMEs sector of India has performed well in employment generation.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
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
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,061
Tête enseignante GPT0,282
Écart entre enseignants0,222 · 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

Citations12
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetIndian Economic and Social DevelopmentTravaux en français237 207