MétaCan
Menu
Retour à la cohorte
Enregistrement W2787975373 · doi:10.5430/jms.v9n1p82

Insights on Impact of Business Development Services on Growth of Women Owned Enterprises in Tanzania

2018· article· en· W2787975373 sur OpenAlexvenueno aff
Nyamagere Gladys Sospeter, Mariam Nchimbi

Notice bibliographique

RevueJournal of Management and Strategy · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMicrofinance and Financial Inclusion
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessService providerTanzaniaGovernment (linguistics)SustainabilityMarketingWomen entrepreneursBusiness developmentSmall and medium-sized enterprisesService (business)EntrepreneurshipFinanceEconomicsSocioeconomics

Résumé

récupéré en direct d'OpenAlex

This paper presents findings of the study that aimed at assessing the impact of business service providers (BDS) on growth of women owned MSMEs in Tanzania. Based on interviews conducted to five BDS providers and women owned micro and small enterprises (MSMEs) it was revealed that most women entrepreneurs were not aware of the existence of BDS providers and their services. For those who had used BDS, they were generally satisfied with their benefits and they continue using the services. Furthermore, the findings show that BDS assisted entrepreneurs in formalizing their businesses, increased business management and technology capacity, market coverage and contributed to business growth.Findings calls for the government, BDS providers and other key stakeholders to raise the level of awareness to women entrepreneurs on the availability and importance of using of BDSs. Government and donor community should advocate for business environment reforms that lowers the barriers to BDS providers for them to operate effectively and provide affordable services. BDS providers should focus on demand driven services in a more holistic and participatory way than they are currently doing in order to improve the quality, sustainability and development of the women owned MSMEs.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,018
Tête enseignante GPT0,228
Écart entre enseignants0,210 · 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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management and StrategyMême sujetMicrofinance and Financial InclusionTravaux en français237 207