MétaCan
Menu
Retour à la cohorte
Enregistrement W2898423741 · doi:10.1155/2018/5014859

Study on the Influence of Government Intervention on the Occupational Health and Safety (OHS) Services of Small- and Medium-Sized Enterprises (SMEs)

2018· article· en· W2898423741 sur OpenAlexfundno aff
Jingjing Zhang, Qiang Mei, Suxia Liu, Qiwei Wang

Notice bibliographique

RevueBioMed Research International · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Safety Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of ChinaUniversity of Windsor
Mots-clésGovernment (linguistics)BusinessEconomic interventionismQuality (philosophy)Database transactionService (business)Small and medium-sized enterprisesConstruct (python library)Industrial organizationPunishment (psychology)Intervention (counseling)Market failureProcess managementMarketingComputer scienceFinanceEconomicsMicroeconomicsMedicineNursing

Résumé

récupéré en direct d'OpenAlex

The OHS services of SMEs are still in their start-up stage in China. As such, there is an absence of mature market norms, which in turn makes it difficult to guarantee the quality of OHS services. The government, as the "night watchman" of the market, is supposed to not only involve itself in the regulation of OHS service quality, but also introduce and implement proper regulatory strategies. This paper employs a computational experiment approach to construct an experimental platform based on multiagent interactions. By simulating the OHS service transaction activities of SMEs, this paper takes the perspective of dynamic evolution. From this perspective, we probe into the optimal regulatory strategy covering the positive influence of government punishment, policy supports, and service quality ratings of the OHS services of SMEs. These strategies should be built on the foundation of proper punishment standard and intensity, proper support standard and intensity, and quality rating information disclosure.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,043
Score d'incertitude au seuil0,769

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,161
Tête enseignante GPT0,524
Écart entre enseignants0,363 · 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 tête enseignante, 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

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioMed Research InternationalMême sujetOccupational Health and Safety ResearchTravaux en français237 207