MétaCan
Menu
Retour à la cohorte
Enregistrement W4415168515 · doi:10.54066/jrime.v2i2.1398

Peran Perdagangan International Dan Investasi Terhadap Pertumbuhan Perekonomian Indonesia

2023· article· en· W4415168515 sur OpenAlexaboutno aff
Eko Purnomo, Hendra Ibrahim

Notice bibliographique

RevueJURNAL RISET MANAJEMEN DAN EKONOMI (JRIME) · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Fiscal Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)Investment (military)Context (archaeology)Descriptive statisticsInternational investmentAgency (philosophy)Value (mathematics)Foreign direct investment

Résumé

récupéré en direct d'OpenAlex

In the context of a country's economy, one of the things that stands out is economic growth. To grow a country's economy, that is by carrying out international trade for a country, such as exports and imports, and making investments. In the context of Indonesia, international trade has become an instrument to encourage economic growth. Meanwhile, investment can increase people's real income, provide greater economic resources for investment (investible surplus), and encourage the rate of economic growth. The type of research carried out is qualitative descriptive research. The data sources used are secondary data originating from journals, books and websites and the data collection technique used is literature study. Based on data from the Central Statistics Agency (BPS), economic growth was below 5% or 4.94% on an annual basis in the third quarter of 2023, this figure is lower than the previous quarter of 5.17% (yoy). This weakness was caused by the decline in export value and imports in the third quarter of 2023. Meanwhile, the role of investment greatly influences economic growth. This result is in accordance with existing theory, where higher investment in a country will increase the country's economic growth. If a country's investment is high, it will contribute to increasing a country's income.

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 enseignants0,017
Score d'incertitude au seuil0,056

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 technologies0,0010,000
Communication savante0,0030,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,004

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 Opus0,035
Tête enseignante GPT0,236
Écart entre enseignants0,201 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJURNAL RISET MANAJEMEN DAN EKONOMI (JRIME)Même sujetEconomic Growth and Fiscal PoliciesTravaux en français237 207