MétaCan
Menu
← Retour à la cohorte
Enregistrement W61369039

Economic Slow Down: An Empirical Study of Indian Core Industries Performance

2012· article· en· W61369039 sur OpenAlexaboutno aff
S. K. Baral

Notice bibliographique

RevueIMS Manthan (The Journal of Mgt., Comp. Science & Journalism) · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgricultureAgricultural economicsQuarter (Canadian coin)Tertiary sector of the economySlowdownEconomicsIndex (typography)EconomyEmpirical researchGeographyEconomic growthMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Reflecting a slowdown in the economy, the growth rate of eight core infrastructure sectors dipped to 2% in March and 4.3% during 2011-12 on account of poor performance in crude oil and natural gas. The growth rate of eight industries like crude oil, petroleum refinery products, natural gas, fertilisers, coal, electricity, cement and finished steel etc. have a weightage of 37.9% in the Index of Industrial Production (IIP), in March 2012 moderated to 2% from 6.5% in the same month last year. India's GDP growth slows down to 6.1% in the third quarter of 2011-2 over the corresponding quarter of the previous year the lowest in 2 years. The impact of economic slowdown has been felt in all section of industry including agriculture and service also. The figure makes central statistical organization's (CSO) forecast of 6.9% growth in the financial year ending march 2012 look optimist given the slippages in agriculture and manufacturing sectors, it will be difficult for GDP to recover much ground in January-March period the undefined GDP during the 1st 9 month of 2011-12 has grown to 6.9% only way below 8.1% growth recorded during the same period a year ago. This empirical study highlights the performance of Indian core industries during the economic slowdown. Secondary sources have used to analyse the paper.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,069
Tête enseignante GPT0,303
Écart entre enseignants0,234 · 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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIMS Manthan (The Journal of Mgt., Comp. Science & Journalism)→Même sujetMarket Dynamics and Volatility→Travaux en français237 207→