MétaCan
Menu
Retour à la cohorte
Enregistrement W6948798646 · doi:10.5281/zenodo.12819181

THE IMPACT OF SANCTIONING RUSSIAN CENTRAL BANK ASSETS ON GLOBAL CENTRAL BANKS AND INTERNATIONAL TRADE AND INVESTMENT

2024· article· en· W6948798646 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Sanctions and International Relations
Établissements canadiensNorthern College
Organismes subventionnairesnon disponible
Mots-clésSanctionsMultinational corporationPolitical riskInvestment (military)International businessPoliticsInternationalizationForeign direct investmentCurrencyEconomic sanctions

Résumé

récupéré en direct d'OpenAlex

The deployment of sanctions as a deterrence and compellence tool has massively increased in recent years, leading to increased uncertainty and turbulence in the global economy. The weaponization of the Russian Central Bank's foreign reserves by Western powers is already causing a significant shift in the international financial order. Central banks outside Western countries have begun diversifying their external reserves away from assets denominated in Western currencies. In recent years, firms' internationalization has become more entangled with contextual political processes, and the dimension of political intervention in international business has continued to change unpredictably. Multinational enterprises have incurred considerable losses due to the sanctions imposed on Russia by the West and the countersanctions unleashed by Russia. Building a model to predict political interventions and the necessary adaptations may be challenging due to the unpredictability of international relations, where allies can quickly become adversaries. Multinational enterprises should consider implementing risk management, flexibility and adaptability, information gathering and monitoring, and investment strategies to build resilience against the risks associated with unexpected sanctions

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,945
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,038
Tête enseignante GPT0,260
Écart entre enseignants0,222 · 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'étudeThéorique ou conceptuel
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 revueZenodo (CERN European Organization for Nuclear Research)Même sujetEconomic Sanctions and International RelationsTravaux en français237 207