MétaCan
Menu
Retour à la cohorte
Enregistrement W4405949841 · doi:10.21684/2411-7897-2024-10-3-222-236

Global development financial institutions: the experience of project financing

2024· article· en· W4405949841 sur OpenAlexaboutno aff
Artem S. Barakhovsky, Elena V. Mikhina, Dmitriy A. Andreev

Notice bibliographique

RevueTyumen State University Herald Social Economic and Law Research · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Issues in Ukraine
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFinanceBusinessProject finance

Résumé

récupéré en direct d'OpenAlex

There is a significant research interest in project financing as a tool for active development of investment activity in Russia. The novelty of such research lies in studying the role, practical significance, and potential opportunities of development financial institutions (DFIs) in project financing. Using the methods of analysis and synthesis, grouping and comparison, the authors have analyzed the global practice of DFIs, which identifies the main vectors for the institutions’ current activities, achievements, and problematic aspects in promoting project financing. The cases of DFIs in Canada, Germany, and Brazil show the specifics of DFIs’ activities in project financing to solve social and economic problems, to overcome global problems and challenges, and to achieve sustainable development goals. Majority of the research focuses on the organizational, functional, regulatory, and legal support for the activities of DFIs as a tool for implementing investment projects. The other countries’ experience serves as a possible model for application in Russia. The comparison of the main parameters of DFIs in different countries identifies the strengths and weaknesses in their functioning, which is important for the Russian researchers and investors.

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)0,008
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,008
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0050,008
Communication savante0,0080,007
Science ouverte0,0010,009
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,111
Tête enseignante GPT0,338
Écart entre enseignants0,227 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTyumen State University Herald Social Economic and Law ResearchMême sujetEconomic Issues in UkraineTravaux en français237 207