MétaCan
Menu
Retour à la cohorte
Enregistrement W4309399347 · doi:10.33087/ekonomis.v6i2.553

Pengaruh Latar Belakang Pendidikan, Ukuran Usaha dan Literasi Keuangan terhadap Perencanaan Keuangan UMKM Di Masa Pandemi Covid-19

2022· article· en· W4309399347 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueEKONOMIS Journal of Economics and Business · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy and Behavior
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésFinancial literacyCoronavirus disease 2019 (COVID-19)PandemicBusinessData collectionProbability samplingSample (material)Value (mathematics)LiteracyAccountingEconomic growthFinanceEconomicsSociologyMedicineStatisticsPhysicsDemographySocial scienceMathematics

Résumé

récupéré en direct d'OpenAlex

Economic support in Indonesia during the Covid-19 pandemic is MSMEs. The aims of the study is to empirically test the influence of educational background, business size and financial literacy on the financial planning of MSMEs in South Surabaya during the Covid-19 pandemic. This research uses primary data with quantitative research types using WarpPLS 7.0, the sample in this study is MSMEs spread in the South Surabaya area. Data collection is carried out by questionnaires distributed directly by researchers to MSMEs in the South Surabaya Region using random sampling methods. Hypothesis testing is looking at the probability value (p-value). This study found that educational background and financial literacy had a significant effect on the financial planning of MSMEs in South Surabaya during the Covid-19 pandemic. This phenomenon shows that education background and financial literacy are important factors for MSMEs in South Surabaya during the Covid-19 pandemic in conducting financial planning

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.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,798
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,029
Tête enseignante GPT0,230
Écart entre enseignants0,201 · 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