Government support of small and medium sized entrepreneurship in Russia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Support of the small and medium sized entrepreneurship (SME) sector is recognized to be one of Russia’s economic policy priorities2, 3. It is customary to speak of that sector’s low level of development compared with other countries. However, when comparable estimates are applied, the gap does not appear to be catastrophic. The relative share of SMEs in the value added produced by Russia’s business sector amounts to about 44 percent, in the developed countries – OECD member states it amounts on average to 55 percent, in the USA – to 48 percent, and in Canada – to 30 percent. The problems faced by Russian SMEs, in qualitative terms, are as follows: the percentage of exporters and technological startups is low, and a greater part of that sector is unregulated; in 2018, the relative share of medium sized firms and the number of technological startups shrank even further. The conditions for and specific features of the SME sector’s development vary across Russia’s regions, and this fact is completely overlooked by prevailing legislation. According to our estimations, entrepreneurial activity in the regions does not depend on government support, instead responding to macroeconomic and institutional changes. In 2018, in a majority of Russian regions, the number of SME subjects and their turnover declined in response to shrinking personal income, especially in the regions with a high relative share taken up by the shadow sector, while the same indices increased in those regions that hosted the FIFA World Cup events.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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