MétaCan
Menu
Retour à la cohorte
Enregistrement W4388880108 · doi:10.1080/23311975.2023.2276540

Education dimensions relevant to successful electronic levy mobilization in resource-rich yet poor countries in Africa

2023· article· en· W4388880108 sur OpenAlexaboutno aff
Moses Kumi Asamoah, Edward Nketiah‐Amponsah, Joseph Danquah Ansong, Boadi Agyekum

Notice bibliographique

RevueCogent Business & Management · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueEconomic Growth and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRevenueLegislationNatural resourceLanguage changeCorporate governanceEconomicsSnowball samplingFinancial inclusionBusinessEconomic growthAccountingPolitical scienceFinanceLawFinancial services

Résumé

récupéré en direct d'OpenAlex

First and foremost, the study explored why countries in Africa are rich in natural resources yet resort to e-levy legislation for more revenues. In addition, the study investigated dimensions of education needed to facilitate successful mobilization of e-levy revenue in resource -rich yet poor countries in Africa. Qualitative exploratory design, semi-structured interviews, judgmental and snowball sampling techniques were used for the study. Twelve (12) scholars from US (N = 3), Uganda (N = 3) Canada (N = 3), Ghana (N = 3) were interrogated. The paper was guided by the natural resource-cursed and social learning theories. Thematic analyses were used to analyse the data. It was found that although African countries are rich in natural resources yet they face challenges generating revenue from natural resources due to mismanagement, poor leadership and weak governance. They also find it difficult to mobilize revenues from e-levy too because of the informal nature of the economy, lack of financial inclusion, corruption, the disinterest of the public in the e-levy legislation as well as inadequate education on the e-levy concept. But the advanced economies are successful in generating revenue from e-levy. Proactive leadership and governance in managing natural resources, addressing mismanagement, and dealing with corruption and its negative effects are required to make things happen in Africa. African economies need to be more formalised and financial inclusion deepened. Proper accounting of state revenues to the citizenry must be enforced. E-levy education, civic education, digital literacy, ethics and legal education, can significantly contribute to the success of e-levy revenue generation in Africa.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,007
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,004
Communication savante0,0040,002
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,011
Tête enseignante GPT0,226
Écart entre enseignants0,215 · 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'étudeObservationnel
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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCogent Business & ManagementMême sujetEconomic Growth and DevelopmentTravaux en français237 207