BUSINESS IN THE CONDITIONS OF COVID-19 PANDEMIC: LEGAL REGULATION OF STATE SUPPORT
Notice bibliographique
Résumé
The article analyzes the legal regulation of state support for entrepreneurship. The author notes that during the years of the economy, states are increasingly affected by global financial crises, which exhaust them and force them to look for new ways to support, rational and economic use of budget funds. Large businesses adapt quickly to the challenges of crises, but small businesses do not always respond adequately to them and are the most vulnerable, since small businesses usually do not have the financial reserves to stay afloat and avoid bankruptcy. It is proved that small and medium-sized businesses have suffered significant losses due to the introduction of quarantine due to COVID-19. the experience of Canada is analyzed, in particular, one of the components of its global economic success is a strong sector of small and medium-sized businesses. The conclusion is made about the need for effective state support, as well as in financial, small businesses, creating unfavorable conditions and a healthy competitive environment, unfavorable investments, innovations, tax and price regime and ensuring your protection during the financial crisis. It is proved that in the period 2020-2021, measures were taken to develop the strengthening of enterprises by increasing the organizational capabilities of organizations, supporting the transfer of knowledge and technologies, modernizing the existing infrastructure to support joint ventures by participating in international educational and training programs. It is noted that in order for the state to improve financial regulation of enterprises, first of all, Ukraine needs to continue to strengthen its institutional base to create favorable conditions for the growth of medium-sized businesses.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».