MétaCan
Menu
Retour à la cohorte
Enregistrement W4200309828 · doi:10.33763/finukr2021.11.045

International economy: deepening and expanding research potential in Ukraine

2021· article· en· W4200309828 sur OpenAlexaboutno aff
Yevhen SAVELIEV, Vitalina Kurylyak

Notice bibliographique

RevueFìnansi Ukraïni · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Issues in Ukraine
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUkrainianCompetition (biology)Context (archaeology)Government (linguistics)State (computer science)Political scienceStaffingInternational tradeBusiness

Résumé

récupéré en direct d'OpenAlex

The topical issues of the development of the research potential of Ukraine in the field of international economics , capable of creating scientific support for the foreign economic activity of entrepreneurial structures and government organizations in the context of world and European integration, have been investigated. The creation of the infrastructure of research organizations specializing in the international economics has been substantiated, in particular, the feasibility of creating research institutes in the USA and Canada, Europe, and the Center for International Agricultural Business. The article considers the expediency of conducting research on the issues of cooperation with interstate integration associations of countries, including the EU, ASEAN, TPP, APEC, BRICS, for the implementation of the country's foreign economic policy. A special place in the system of international economics research should be occupied by the problems of Industry 4.0 and the leadership of Ukrainian IT companies in the system of global economic competition. The state of the staffing of research activities in international economics is analyzed and proposals for training of highly qualified specialists in international economics in large industrial centers: Kharkov, L’viv. Dnieper, Odessa and Zaporizhia are formulated.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,850
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,074
Tête enseignante GPT0,316
Écart entre enseignants0,243 · 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.

Devis d'étudeThéorique ou conceptuel
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 revueFìnansi UkraïniMême sujetEconomic Issues in UkraineTravaux en français237 207