MétaCan
Menu
Retour à la cohorte
Enregistrement W4414209023 · doi:10.5539/ijef.v17n10p55

Oil Subsidy and Nigeria’s Economic Growth: A Blessing or a Burden?

2025· article· en· W4414209023 sur OpenAlexvenueno aff
Gbolahan Solomon Osho

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2025
Typearticle
Langueen
DomaineEnergy
ThématiqueEnergy, Environment, and Transportation Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSubsidyDebtBlessingEnergy subsidiesDeficit spendingSocial benefits

Résumé

récupéré en direct d'OpenAlex

This comprehensive analysis focuses on the complex relationship between oil subsidies and the Nigerian economy. Nigeria is characterized by substantial crude oil production, and the implications of its intricate subsidy regime are far-reaching. This study examines the multifaceted impact of oil subsidies on Nigeria’s economy, shedding light on fiscal and social dimensions. However, the rising costs of these subsidies have become a critical concern, contributing to a widening budget deficit and potentially straining debt sustainability. The analysis also unveils the complex dynamics surrounding the removal of subsidies. Influential stakeholders with a vested interest in subsidy continuation and public concerns over potential hardships contribute to the policy’s persistence. The research aligns with international recommendations, notably from the International Monetary Fund, advocating for the phased removal of untargeted fuel subsidies. Such a step is anticipated to create fiscal room, enhance debt sustainability, and encourage transparent allocation of saved funds toward strategic social and economic programs. In summary, this analysis emphasizes the complexity of the oil subsidy and its repercussions on Nigeria’s economy. Finally, as Nigeria charts its course ahead, the study underscores the necessity for informed policy decisions grounded in a comprehensive understanding of the intricate interactions between oil subsidies and the nation’s economic and social landscape.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,004
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,009
Tête enseignante GPT0,229
Écart entre enseignants0,220 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetEnergy, Environment, and Transportation PoliciesTravaux en français237 207