MétaCan
Menu
Retour à la cohorte
Enregistrement W2069350451 · doi:10.5539/ass.v11n10p39

Impact Evaluation of Training on Productivity of the Small and Medium Enterprises in Vietnam

2015· article· en· W2069350451 sur OpenAlexfundvenueno aff
Nguyen Khanh Duy, Nguyen Thi Hoang Oanh

Notice bibliographique

RevueAsian Social Science · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensnon disponible
Organismes subventionnairesMinistère de l'Énergie et des Ressources NaturellesInternational Development Research Centre
Mots-clésProductivityTraining (meteorology)Propensity score matchingMatching (statistics)BusinessHuman capitalInvestment (military)Small and medium-sized enterprisesIndustrial organizationFinanceEconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

This paper investigates the impact of investment in human capital (off-the-job training in short term) on productivity of the small and medium enterprises (SMEs) by using Propensity Score Matching (PSM) method with dynamic approach. The paper employs the data from two surveys on the SMEs in Vietnam in the year of 2009 and 2011 that provide detailed information about training and firm characteristics. The results found that training has significantly positive impact on the productivity of household business, but there is no evidence on the impact of training on productivity of the firms in formal sector; and there is no evidence for the impact of training activities on productivity in the near future (one-or-two-year after training) for both household business and formal enterprises. Besides, qualitative approach shall be conducted to provide more description on training efficiencies in some specific cases.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,062
Score d'incertitude au seuil0,196

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,113
Tête enseignante GPT0,300
Écart entre enseignants0,188 · 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 tête enseignante, 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

Citations10
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetEconomic Growth and ProductivityTravaux en français237 207