MétaCan
Menu
Retour à la cohorte
Enregistrement W2801858773 · doi:10.1002/iir.1297

The Empirical Studies of China's Enterprise Bankruptcy Law: Problems and Improvements

2018· article· en· W2801858773 sur OpenAlexvenueno aff
Shaowei Lin

Notice bibliographique

RevueInternational Insolvency Review · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Insolvency and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBankruptcyChinaGovernment (linguistics)BusinessDerivatives marketLaw and economicsEmpirical researchEconomicsLawMarket economyFinancePolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract Over the past 9 years since the implementation of China's Enterprise Bankruptcy Law in 2007, it has contributed to some measures of regulating market practice and rearrangement of market resources and has become an integral part in an improved legal system of China's market economy. However, a closer look at the effect of implementing the Enterprise Bankruptcy Law shows that the number of bankruptcy cases after its implementation, instead of increasing, has taken on a trend of decreasing. Even under the influence of the 2008 financial crisis, no significant increase in the number of Chinese bankrupt enterprises means that China's Bankruptcy Law failed to play its due role, leaving a large gap as desired. As such, this article aims to examine the problems arising from the implementation of the Bankruptcy Law and, taking this as guidance, probe into the reasons hidden behind and propose possible improvement measures. It is expected that the Bankruptcy Law would increasingly play a key role in the development of China's market economy, particularly under the current situation where Chinese government proposes to clean up zombie businesses. Copyright © 2018 INSOL International and John Wiley & Sons, Ltd.

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)0,015
score de la tête « metaresearch » (Gemma)0,031
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 enseignants0,063
Score d'incertitude au seuil0,124

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,031
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,010
Études des sciences et des technologies0,0010,004
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,110
Tête enseignante GPT0,343
Écart entre enseignants0,233 · 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

Citations9
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Insolvency ReviewMême sujetCorporate Insolvency and GovernanceTravaux en français237 207