MétaCan
Menu
Retour à la cohorte
Enregistrement W2164086013 · doi:10.5267/j.msl.2013.02.020

The relationship between financial development indicators and human capital in Iran

2013· article· en· W2164086013 sur OpenAlexvenueno aff
Hamed Adeli Nik, Zahra Sattari Nasab, Yunes Salmani, Nima Shahriari

Notice bibliographique

RevueManagement Science Letters · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy, Pension, Retirement Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHuman capitalFinanceBusinessFinancial capitalInvestment (military)Human resourcesCash flowDeveloping countryInflation (cosmology)Economic stabilityEconomicsEconomic growthMacroeconomicsManagement

Résumé

récupéré en direct d'OpenAlex

Human capital is considered as one of the major factors to promote economic stability, especially in developing countries.Furthermore, one of the most important factors in developing human capital is taking the advantage of facilities and economic capabilities in education.Development of financial system provides such abilities for the prospective countries.This paper studies the influence of financial development on human capital in Iran over the period 1977-2010 with the application of a VAR model.The results indicate the cash flow in Iran has a negative effect on human capital, which is the main cause of the increase in inflation.Education is a long term investment and when inflation hikes, people switch to alternative investments.However, the facilities provided by the banking system has negative effect on human capital due to the lack of the best financial resource allocation.However, since most of university graduate students in Iran practically have adequate skills and education, they do not have enough capital to start a business.Providing financial assistance for the private sector can lead to a business in which they can use their skills and education towards promoting production.Financial development could only slightly contribute to human developments.

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)0,003
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 enseignants0,025
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,019
Tête enseignante GPT0,231
Écart entre enseignants0,212 · 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

Citations37
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetFinancial Literacy, Pension, Retirement AnalysisTravaux en français237 207