MétaCan
Menu
Retour à la cohorte
Enregistrement W4400217976 · doi:10.47743/saeb-2024-0015

Exploring Economic Development Strategies for Canadian Indigenous Communities Post-Pandemic

2024· article· en· W4400217976 sur OpenAlexaffabout
Alex V. Teixeira, Ken Coates

Notice bibliographique

RevueScientific Annals of Economics and Business · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCommunity Development and Social Impact
Établissements canadiensUniversity of SaskatchewanFirst Nations University of Canada
Organismes subventionnairesnon disponible
Mots-clésIndigenousDiversification (marketing strategy)Economic growthSustainable developmentPandemicBusinessParticipatory developmentCitizen journalismEconomicsPolitical scienceCoronavirus disease 2019 (COVID-19)MarketingEcology

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic has strongly impacted the Indigenous Canadian economy. Indigenous enterprises exist in every industry, from small proprietorships to major organizations employing thousands of people. The research concerning the effects of such peculiarities on Indigenous corporations is sparse. This research aimed to examine how the pandemic affected development companies by comparing pre-epidemic forecasts to the trajectory of Indigenous-owned firms after two years of the pandemic and analyzing its singularities. The study was conducted by the Canadian Council for Aboriginal Business (CCAB) and supported by mixed methods techniques such as surveys, interviews, and non-participatory observations obtained from ten distinct Canadian Indigenous Economic Development Corporations, revealing a reality in which Indigenous businesses confront significant challenges in terms of access to public finance, human resources, community well-being, company diversification, and innovation. The result compared pre-pandemic forecasts and analyses that found Indigenous enterprises failing to recover and move ahead on company diversification and innovations, public finance, human resources, and sustainable development.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,736
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)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
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 Opus0,339
Tête enseignante GPT0,295
Écart entre enseignants0,044 · 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.

Devis d'étudeThéorique ou conceptuel
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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific Annals of Economics and BusinessMême sujetCommunity Development and Social ImpactTravaux en français237 207