MétaCan
Menu
Retour à la cohorte
Enregistrement W4220737291 · doi:10.18280/ijsse.120108

The Impact of Environmental Energy Taxes on Nigeria’s Insecurity Situation

2022· article· en· W4220737291 sur OpenAlexvenueno aff
Cordelia Onyinyechi Omodero, Stella Ogechukwu Okezie

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueOil, Gas, and Environmental Issues
Établissements canadiensnon disponible
Organismes subventionnairesCovenant University
Mots-clésLanguage changeGovernment (linguistics)Order (exchange)BusinessEconomic freedomProfit (economics)Economic growthDevelopment economicsEconomicsPublic economicsFinance

Résumé

récupéré en direct d'OpenAlex

It is critical to enhance environmental energy taxes in order to offer a more secure business climate in Nigeria. Insecurity in Nigeria is severe, and it has become a component of the country's environmental problem to deal with. This research investigates the influence of environmental energy tariffs on Nigeria's insecurity condition. The research approach is cross-sectional, and secondary data from 2010 to 2020 were used in this study. According to the multiple regression results, all factors have a substantial beneficial influence on the country's insecurity management. The petroleum profit tax, gas exploration tax, and level of freedom from corruption, all have a good and substantial impact on security management. The study indicates that the government has significantly utilized environmental energy taxes to combat insecurity. However, if the country will be totally free from corruption, insecurity will be minimized. Therefore, the study urges immediate participation of international community in the Nigeria’s insecurity concerns. This move has become extremely essential to salvage the country from all ecologically connected difficulties and to guarantee peace and safety for all inhabitants. Concerning corruption, it is high time for the government to begin looking for the sponsors of insurgency and abduction in order to punish them more severely.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,761
Score d'incertitude au seuil0,348

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,004
Tête enseignante GPT0,204
Écart entre enseignants0,200 · 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'étudeSimulation ou modélisation
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 revueInternational Journal of Safety and Security EngineeringMême sujetOil, Gas, and Environmental IssuesTravaux en français237 207