MétaCan
Menu
Retour à la cohorte
Enregistrement W2119998583 · doi:10.5539/ibr.v5n5p164

Advantages and Disadvantages of FDI in China and India

2012· article· en· W2119998583 sur OpenAlexvenueno aff
Tarun Kanti Bose

Notice bibliographique

RevueInternational Business Research · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInternational Business and FDI
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOpenness to experienceForeign direct investmentBusinessChinaInvestment (military)Complementary assetsEconomicsMarket economyIndustrial organizationPolitical science

Résumé

récupéré en direct d'OpenAlex

This study was directed towards detecting the positive and negative sides for the foreign investors while they go for direct investment in India and China. A descriptive and explorative research study has been carried out for investigating the current proposition of the concerned case of FDI in those two countries. Advantages of investing in India includes-Huge market size and a fast developing economy, availability of diversified resources and cheap labour force, increasing improvement of infrastructure, public private partnerships, IT revolution and English literacy, openness towards FDI, regulatory framework, and investment protection, where as few drawbacks likes huge section of poor and middle class, bureaucracy, power shortage and ethnic diversified are also available in the country. As far as the case of China is concern positives areas are the immense size and growth of the Chinese economy and very bright prospects, resource availability and low cost of labour force, immense development in relevant infrastructure, openness to international trade and easy access to international markets, development and alteration of the regulatory framework, investment protection and promotion. There are also few drawbacks as well like the regulator burden, hindrances in free flow of information, lack of English literacy and so on.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,108

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
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,030
Tête enseignante GPT0,347
Écart entre enseignants0,318 · 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'étudeThéorique ou conceptuel
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

Citations22
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetInternational Business and FDITravaux en français237 207