MétaCan
Menu
Retour à la cohorte
Enregistrement W1903642008 · doi:10.5539/ass.v11n24p72

Entrepreneurial Barriers Faced by Disabled in India

2015· article· en· W1903642008 sur OpenAlexvenueno aff
Syed Ahsan Jamil

Notice bibliographique

RevueAsian Social Science · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRetirement, Disability, and Employment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProsperityEntrepreneurshipPovertyInclusive growthPer capita incomeDistribution (mathematics)PopulationEconomic growthDisabled peopleDevelopment economicsEconomicsBusinessDemographic economicsSociology

Résumé

récupéré en direct d'OpenAlex

India has witnessed high economic growth rates in the past two decades and there has been a remarkable increase in the per capita income. But unfortunately many sections of the Indian population still remain economically deprived. Disabled persons though constitute a small part of the Indian population but their relative numbers are growing. Disabled lag behind in terms of education and employment which results in poverty. For equitable distribution of wealth and prosperity among all sections of population inclusive growth is necessary. The challenge is therefore not only to achieve higher economic growth rates but also to focus on economic inclusion so that all sections of the society are able to take advantage of opportunities. Promoting entrepreneurship among the disabled is a way to achieve faster and better economic integration. This paper highlights the barriers faced by entrepreneurs with disabilities. Also the paper tries to find out if these barriers are different than those faced by other entrepreneurs. Finally this paper highlights what steps can be taken to prevail over the various types of barriers being faced by disabled entrepreneurs. Keywords: Entrepreneurship, Disabilities, Inclusive Growth, Barriers, Economic Integration

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)0,002
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
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,002
Communication savante0,0030,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
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 Opus0,092
Tête enseignante GPT0,398
Écart entre enseignants0,306 · 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

Citations20
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetRetirement, Disability, and EmploymentTravaux en français237 207