MétaCan
Menu
Retour à la cohorte
Enregistrement W3175156914

МІЖНАРОДНИЙ ФІНАНСОВИЙ АУТСОРСИНГ ТА СВІТОВІ ТЕНДЕНЦІЇ ЙОГО РОЗВИТКУ

2019· article· uk· W3175156914 sur OpenAlexaboutno aff
С. О. Мащенко, Natalia Zakharchenko, О. М. Вертелецька

Notice bibliographique

RevueЕкономічний простір · 2019
Typearticle
Langueuk
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Issues in Ukraine
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFinancial marketFinancial servicesBusinessFinanceEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The paper analyzes the basic types of autsourcing. It is defined, that most companies on the modern stage pay attention to ІТ- autsourcing and autsourcing of business-projects. It is proven the dynamics of world autsourcing services market. It is defined, that the autsourcing services market had a tendency to the increase at the beginning from 2000th but from 2014 they have insignificant decline. It is distinguished the leading countries that specialized at autsourcing operations, such like the USA, Canada, Peru, Mexico, France, Great Britain and India. The financial autsourcing and its basic kinds are distinguished. The dynamics development of financial autsourcing is analyzed. It is defined, that at the beginning from 2014 he has insignificant reduction. It has been concluded that it is related to completion of term of large autsourcing contracts in leading countries. At the market of financial autsourcing two basic segments are economic America region and economic Europe region are allocated. It has been aduced that in these two segments the value of commercial financial autsourcing contracts has a tendency to increase. It has been adeced that it is related with the appearance of new countries which to become a familiar with to the spheres of financial autsourcing and grant of financial autsourcing services. The market of autsourcing services is analysed. It is educed that the sphere of financial autsourcing is not widespread and needs developing at the territory of our 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,002
Communication savante0,0040,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0280,013

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 Opus0,017
Tête enseignante GPT0,191
Écart entre enseignants0,174 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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 revueЕкономічний простірMême sujetEconomic Issues in UkraineTravaux en français237 207