MétaCan
Menu
Retour à la cohorte
Enregistrement W6906648699 · doi:10.17632/7w2rg95nkv

DEMONETIZATION AND ITS IMPACT: A STUDY ON INDIAN FMCG SECTOR

2023· dataset· en· W6906648699 sur OpenAlexaboutno aff

Notice bibliographique

RevueMendeley Data · 2023
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCashCrunchEconomic shortageSample (material)Quarter (Canadian coin)Sales journal

Résumé

récupéré en direct d'OpenAlex

Demonetization of all the Rs.500 and Rs.1000 denomination banknotes is an attempt to curb black money, fake notes and to achieve other ancillary objectives. Numerous debates have been held over this move and various pros and cons of demonetization have come into picture. Against these backdrops, in this paper it is tried to find out the immediate effect of demonetization on the FMCG sector. It is likely that immediate cash crunch arising out of demonetization is likely to impact the sales and other performance of FMCG Companies. Analysis is made on the quarterly performance on the selected FMCG companies and annual reports are thoroughly scrutinized to find out the views of the companies concerned on demonetization and its effect. The content analysis is made by searching for terms Like “demonetization”, cash-crunch cash shortage etc. The analysis reveals that most of the sample companies have made some disclosure in the annual report on demonetization. Our analysis reveals that for 7 companies there is absolute negative growth in sales and for 4 companies sales growth is lower as compared to sales growth of corresponding quarter of previous year in respect of December end quarter.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,039

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 Opus0,121
Tête enseignante GPT0,389
Écart entre enseignants0,268 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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 revueMendeley DataTravaux en français237 207