MétaCan
Menu
Retour à la cohorte
Enregistrement W2989846259 · doi:10.5430/ijfr.v11n1p307

Countertrade Mechanism of Global Arms Trade: Case Study of Indonesia

2019· article· en· W2989846259 sur OpenAlexvenueno aff
Zainal Arifin, Agus Suman, Moh. Khusaini

Notice bibliographique

RevueInternational Journal of Financial Research · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueDefense, Military, and Policy Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInternational tradeProcurementBusinessPaymentDefense industryHonorPosition (finance)Function (biology)CommerceEconomicsMarketingFinance

Résumé

récupéré en direct d'OpenAlex

A strong national defense system serve to maintain the nation's honor such as creating peace, security, and sovereignty and becomes an effective instrument for bargaining position in relations between nations so that it has broad impacts, including impacts on economic aspects. The research approach used is a qualitative approach. This type of research is a systematic review research. Likewise, the defense industry of a country reflects the economic strength of its country, because in carrying out the defense function, the defense industry has a very important role, including in holding the national Main Tool of the Armament System. However, now not all defense equipment can be produced by the domestic defense industry, so some defense equipment must still be held in cooperation with foreign countries. Law No. 16 of 2012 concerning the Defense Industry mandates that procurement of defense equipment from abroad be permitted if it fulfills several requirements, including trade returns, local content, and offset. Counter trade is one of the mechanisms of cooperation that has been carried out by Indonesia. This mechanism allows reciprocal trade between two countries by buying goods from abroad with payment in the form of goods worth the goods imported. So it is important to analyze the potential for economic improvement for Indonesia that is generated by the mechanism of trade defense equipment from abroad, so that in conducting cooperation, Indonesia can benefit both in the short and long term.

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 enseignants0,207
Score d'incertitude au seuil0,427

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 ouverte0,0010,000
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 Opus0,094
Tête enseignante GPT0,371
Écart entre enseignants0,277 · 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Financial ResearchMême sujetDefense, Military, and Policy StudiesTravaux en français237 207