MétaCan
Menu
Retour à la cohorte
Enregistrement W3200696212 · doi:10.33423/jabe.v22i9.3687

Sub Saharan Railway Firms: Reforms and Demand Effects on Technical Efficiency - A Stochastic Frontier Analysis Between 1995 and 2005

2020· article· en· W3200696212 sur OpenAlexvenueno aff
Augustin Mapapa Mbangala, Sergio Perelman, Achraf Tarsim

Notice bibliographique

RevueJournal of Applied Business and Economics · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueTransport and Economic Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBenchmarkingStochastic frontier analysisContext (archaeology)Sample (material)FrontierIndustrial organizationBusinessFunction (biology)Efficient frontierEconomicsEnvironmental economicsEconometricsMicroeconomicsProduction (economics)FinanceMarketingGeography

Résumé

récupéré en direct d'OpenAlex

The purpose of this paper is to study the technical efficiency of the Sub-Saharan African railway sector and its influencing factors. This efficiency depends on several factors. Using stochastic distance function methodology for a sample of 16 Sub-Saharan firms between 1995 and 2005, we found a positive effect of the public private partnerships and of the high levels of network exploitation and freight specialization on the performance of the railway sector. We decompose the measured scores of efficiency regarding the environmental context which permits to adjust the benchmarking efficiency studies and allows setting the appropriated objectives by the policy deciders.

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)0,000
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 enseignants0,368
Score d'incertitude au seuil0,748

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,009
Tête enseignante GPT0,184
Écart entre enseignants0,175 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Business and EconomicsMême sujetTransport and Economic PoliciesTravaux en français237 207