COVID-19 PANDEMIC AND ECONOMIC CRISIS IN NIGERIA: THE EXPERIENCE OF SELECTED MICRO, SMALL AND MEDIUM-SIZED ENTERPRISES IN LAGOS AND OSUN STATES
Notice bibliographique
Résumé
The world was thrown into the worst economic crisis since World War II in the first quarter of 2020 following the outbreak of covid-19 in Wuhan China. The pandemic forced many economies in the world to lockdown making economic activities to come to a standstill. Nigeria Micro, Small and Medium-sized Enterprises (MSMEs) have been the worst hit by this crisis due to the fragile nature of Nigeria economy before the lockdown. Considering the enormous contributions of this sector to the Nigerian economy, it is obvious that anything that affects this sector would automatically affect the entire microeconomic landscape in the country. This study therefore investigated how covid-19 lockdown affected MSMEs in Nigeria. The study used purposive and simple random sampling to choose twenty industries and sixty participants (managerial level) within Lagos and Osun States to participate in this study. Using descriptive analysis, it was discovered that the lockdown which lasted for more than five months ( March- August,) 2020 has affected many of the MSMEs negatively while few were able to take advantage of the lockdown to diversify their business activities. It was therefore recommended that, prolonging the lockdown would further worsen the situation of these MSMEs, leading to further loss of investments and jobs. Thus, the Federal Government’s N50 billion Targeted Credit Facility (TCF) which was a stimulus package for households and Micro, Small and Medium Enterprises (MSMEs) should be judiciously disbursed to save the economy from further sliding into crisis and/or possible recession.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,003 |
| 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 source (Gemma direct ou Codex distillé), 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 ».