IMPACT OF CORONAVIRUS ON SMALL AND MEDIUM ENTERPRISES (SMES): TOWARDS POST-COVID-19 ECONOMIC RECOVERY IN NIGERIA
Notice bibliographique
Résumé
In the recent time, coronavirus (COVID-19) becomes an emerging area of research especially in exploring its effects from multidimensional perspectives such as health, educational and economic perspectives. More importantly, there is an insufficient academic research in connecting the impact of COVID-19 with Small and Medium Enterprises (SMEs) in Nigeria despite the fact different countries of the world such as US, UK, Canada, and China etc. have been making tremendous effort in addressing the economic impact of COVID-19. The primary objective of this paper is to explicitly make a shift by building a comprehensive theoretical basis for the impact of COVID-19 on SMEs in order to chat a forward for post-COVID-19 economy recovery to thrive in the country. This study used secondary data to gather vital information by exploring available materials or literatures in this regard. The findings of this paper indicated that, recent study provides health implication of COVID-19 which has overwhelmingly explained by World Health Organization (WHO). Hence, this paper argues that appropriate measures should be provided especially by giving loan support to SMEs in expanding and strengthening the existing and new business opportunities as response to the impact of post-COVID-19 economy recovery in the country. It is therefore suggested that collaboration between SMEs leaders and the government have vital roles to play especially through the activities of Small and Medium Enterprises Development Agency of Nigeria (SMEDAN) in providing platform for inclusion of digitization into SMEs or business operation in the country.
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 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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».