MétaCan
Menu
← Retour à la cohorte
Enregistrement W2142524998 · doi:10.5539/ass.v10n23p44

Increased Opportunities for Private Business as a Direction Vector of Development of the Russian Economy (Case of Volgograd Region)

2014· article· en· W2142524998 sur OpenAlexvenueno aff
Larisa Shakhovskaya, Ksenia Klimkova

Notice bibliographique

RevueAsian Social Science · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEconomic and Technological Developments in Russia
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEntrepreneurshipPopulationBusinessRussian federationNational economyQuality (philosophy)Consumption (sociology)Russian economyMarket penetrationEconomic growthEconomic systemEconomicsMarket economyEconomic policyMarketingFinance

Résumé

récupéré en direct d'OpenAlex

The national economy of the Russian Federation would be able to significantly increase annual GDP growth, ifprivate business developed actively, especially small and medium businesses. The authors examined how tosolve this problem in one of the Russian regions - in the Volgograd one. Now Russia's economic policy is aimedat the penetration of market relations in almost all spheres of life, the creation of conditions for their normaldevelopment. However the absolute interaction and separation of functions between the state and marketstructures has not been achieved. They are in constant conflict with each other, thereby exacerbating thedepressive state of the economy. Increase business opportunities will help create for the working population andeconomic conditions that will allow the citizens of its own funds to provide a higher level of social consumption,which includes the best quality services in the field of education and health services, comfortableaccommodation, a decent standard of living in old age. Despite the awareness of solutions aimed at thedevelopment of entrepreneurship, private business faces a number of challenges that make the local authorities.This article describes a number of the problems mentioned above and provides suggestions to increase theopportunities for the development of private enterprise in Russia.

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)0,000
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 enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0030,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,000
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 Opus0,046
Tête enseignante GPT0,283
Écart entre enseignants0,237 · 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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social Science→Même sujetEconomic and Technological Developments in Russia→Travaux en français237 207→