MétaCan
Menu
Retour à la cohorte
Enregistrement W4205745374 · doi:10.34220/2308-8877-2022-9-4-119-135

SMALL INDUSTRY ENTERPRISES SUPPORT IN THE ARCTIC: RUSSIAN AND FOREIGN EXPERIENCE

2022· article· en· W4205745374 sur OpenAlexaboutno aff
V. Urykov, L.A. Chizhova

Notice bibliographique

RevueActual directions of scientific researches of the XXI century theory and practice · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueArctic and Russian Policy Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessArcticPopulationResource (disambiguation)Industrial organization

Résumé

récupéré en direct d'OpenAlex

The Russian Arctic is an industrially developed macro-region with a number of socio-economic features, which include low population density, high resource intensity of economic activity, low level of development of transport, logistics and social infrastructure, raw materials orientation of the economy. Analyzing the existing small forms of industry on the territory of the Russian Arctic, the authors divided them into three main categories: enterprises engaged in servicing the needs of large industrial facilities; industrial enterprises of local importance and enterprises producing products for export. The article considered the Russian and foreign practice small and medium-sized enterprises (SMEs) support in the field of industry in the Arctic territories. In Russia, the main measures to support small forms of industry are: the provision of preferential loans and loans; the provision of land plots, premises and other property owned by the state; consulting services for doing business. It is noted that the following support measures applied in Finland and Canada can be successfully adapted to the Russian practice of state support of small industrial enterprises: building interregional forms of cooperation (coordination and cooperation); support of enterprises on the sectoral principle; support of entrepreneurs, including representatives of the native people of the North.

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)0,001
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,080
Tête enseignante GPT0,373
Écart entre enseignants0,293 · 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
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueActual directions of scientific researches of the XXI century theory and practiceMême sujetArctic and Russian Policy StudiesTravaux en français237 207