MétaCan
Menu
Retour à la cohorte
Enregistrement W3203405328 · doi:10.29313/de.v13i1.8549

It Is Possible Fiscal Capacity Effected by Covid-19 Pandemic?

2021· article· en· W3203405328 sur OpenAlexaboutno aff
Faridah Rahman, Elka Nabila Rahmadian

Notice bibliographique

RevueDinamika Ekonomi · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Fiscal Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFiscal capacityEconomicsFiscal policyPandemicQuarter (Canadian coin)Government (linguistics)Coronavirus disease 2019 (COVID-19)Panel dataFiscal unionDevelopment economicsEconomic policyMacroeconomicsGeographyDisease

Résumé

récupéré en direct d'OpenAlex

The world economy, including Indonesia, in the first quarter of 2020 has not been too affected by Covid-19. However, in the second quarter of 2020, national economic growth began to decline. As a result of the contraction of the Indonesian economy, it has an impact on the decline in regional fiscal capacity. This study focuses on: 1) The effect of Economic Growth on fiscal capacity in 34 provinces in Indonesia before and during the Covid-19 pandemic?; 2). Development of sources of fiscal capacity in Indonesia; 3). Quadrant of Relationship between Economic Growth and Fiscal Capacity; 4). The government's policy direction is to encourage increased fiscal capacity during the Covid-19 pandemic. This research uses descriptive quantitative method using panel data regression model. The rate of economic growth does not significantly affect the amount of regional fiscal capacity in 34 provinces in Indonesia. The decline in fiscal capacity was largely influenced by a decrease in Regional Original Income (ROI). In 2021 the sources of fiscal capacity building have not run normally. The effect is that the regional fiscal capacity is still low for each province. Therefore, to restore the economy, the government uses various stimuli, namely fiscal, monetary, and sectoral.

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,062
Tête enseignante GPT0,255
Écart entre enseignants0,192 · 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'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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDinamika EkonomiMême sujetEconomic Growth and Fiscal PoliciesTravaux en français237 207