MétaCan
Menu
Retour à la cohorte
Enregistrement W2007232381 · doi:10.5430/wje.v2n5p19

Fiscal Federalism and Local Government Finance in Nigeria

2012· article· en· W2007232381 sur OpenAlexvenueno aff
Ejikeme Nonso Alo

Notice bibliographique

RevueWorld Journal of Education · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRevenue sharingLocal governmentAutonomyRevenueFederalismFiscal federalismEconomicsState (computer science)SovereigntyGovernment (linguistics)FinanceGovernment revenuePublic financeDecentralizationCentral governmentBlock grantEconomic policyRegional autonomyBusinessPublic administrationPolitical sciencePoliticsMarket economyMacroeconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Fiscal federalism deals with the sharing of resources in a federated nation. Over the years problems about local government finance have become an important aspect of intergovernmental relations. Constitutionally, local government is the third tier of government which exists as an independent entity, possessing some degree of autonomy and sovereignty. However, its capability to perform its constitutionally mandated functions is beleaguered by the problem of inadequate revenue. In Nigeria, a number of factors have contributed to the financial setback experienced by most local governments and these include: overdependence on allocations from state and federal governments which in most cases are withheld by the same federal and state governments; lack of fiscal autonomy; creation of non-viable local governments, among others. The aim of this paper is to examine the problems of the local government in Nigeria, especially concerning its financial limitations, necessitated by the unequal share of resources, imbalance revenue-sharing formulae and lack of fiscal autonomy in the operations of the local government in Nigeria.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,074

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,003
Communication savante0,0040,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,020
Tête enseignante GPT0,235
Écart entre enseignants0,215 · 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

Citations25
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of EducationMême sujetFiscal Policy and Economic GrowthTravaux en français237 207