MétaCan
Menu
Retour à la cohorte
Enregistrement W2938071321 · doi:10.5539/ijef.v11n5p59

Measuring the Cost of Noise Pollution and Its Impact in Reducing Corporate Profits, Income Tax Collections, the Treasury, the National Economy and the Welfare of Society

2019· article· en· W2938071321 sur OpenAlexvenueno aff
Ali Mustafa Magablih

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueLife Cycle Costing Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTreasuryNoise pollutionPollutionRevenueBusinessWelfareTax revenueNatural resource economicsEconomicsPublic economicsFinanceNoise reductionMarket economyPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

The aim of this study to define the concept of noise pollution and the cost of pollution from noise, it also aims to explain the cost of noise pollution on the profits of industrial enterprises, in addition to the recognition of the role of the Jordan Phosphate Mines Company to reducing the impact of noise pollution on workers, as well as the role played by the reduction of the costs of pollution and its impact on the profits of noise pollution to reducing treasury revenues.   And therefore could not measure the impact of the company incurring the costs caused by noise pollution on company profits in the absence of a clear classification of the causes of the cost and thus the difficulty of measuring the impact on the profits of the company, the results of the study also indicated that there are costs of noise pollution and a clear impact on the profits of the company. This study focuses on the economic and social aspects which are of crucial importance in noise pollution that strongly affect the performance of the workers, the profits of industrial enterprises, and concludes that the noise pollution impact on staff performance and production as well as tax collections, the treasury and the national economy.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,212
Score d'incertitude au seuil0,162

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,024
Tête enseignante GPT0,227
Écart entre enseignants0,203 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetLife Cycle Costing AnalysisTravaux en français237 207