ANALYSIS OF EASE OF DOING BUSINESS PERFORMANCE OF G20 GROUP COUNTRIES: AN APPLICATION WITH STANDARD DEVIATION BASED ARAS METHOD
Notice bibliographique
Résumé
Ease of doing business (EDB) strategies and activities of countries with large economies affect global economy, trade, employment and other dimensions related to economy. Therefore, measurement of EDB performances of countries with large economies is of great importance. In this context, in study, EDB performances of 19 countries in G20 for year 2020, the latest and most up to date EDB Index (EDBI) component values are measured by SD (Standard Deviation) based ARAS. In research, firstly, the most important EDBI component according to countries was determined as "resolving insolvency" with SD. Secondly, with SD based ARAS method, it was determined that first three countries with the highest performance in EDB were USA, South Korea, England, and last three countries were Argentina, Brazil, Saudi Arabia. In study, average EDB performance values of countries were also measured, and it was determined that countries with higher than average EDBI performance were USA, South Korea, England, Australia, Germany, Canada, Japan, Russia, China, France. According to result, it was evaluated that countries with below average EDB performance should increase their EDB performance to increase their contribution to global economy. In study, it was also concluded that EDBI can be explained by SD based ARAS method according to sensitivity, discrimination, correlation analyzes in terms of method.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».