MétaCan
Menu
Retour à la cohorte
Enregistrement W6948873623 · doi:10.5255/ukda-sn-6888-20

Small- and Medium-Sized Enterprise Finance Monitor, 2011-2017

2018· dataset· en· W6948873623 sur OpenAlexaboutno aff

Notice bibliographique

RevueUK Data Archive · 2018
Typedataset
Langueen
DomaineChemistry
ThématiqueWood and Agarwood Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDemographicsQuarter (Canadian coin)Sample (material)Survey data collectionTelephone surveyBusiness risksSmall business

Résumé

récupéré en direct d'OpenAlex

The Small- and Medium-Sized Enterprise Finance Monitor survey is commissioned by the Business Finance Taskforce to provide an independent and authoritative report into the key issues of SME Finance. 4,500 telephone interviews are conducted per quarter (5,000 interviews prior to 2016), across the UK, to a carefully structured sample of SMEs by size, sector and region. Data for Q4 2017 was collected between October and December 2017. The data set includes all data collected for the last 10 waves, i.e. from Q3 2015 until Q4 2017, whilst the report focuses on data gathered from the last 4 quarters. The report is now released biannually; the latest report is submitted now for Q4 2017, and the next one will follow after Q2 2018. The survey explores demand for external funding amongst SMEs and the response to requests for funding made to banks in the last 12 months. It also asks for future finance needs and assesses business confidence, growth, and barriers to growth for the future, as well as the impact of a lending experience on the overall banking relationship. As well as identifying the proportion of SMEs that have approached a lender for external finance, the survey identified those who would have liked to apply, but haven't, the barriers to such an application, and the impact of the decision not to seek funding on business performance. A wide range of business demographics are collected to allow for sub-group analysis by criertia such as age of business, external risk rating, type of facility requested, and the “formality” of the business (planning, HR policies, importing, exporting, etc.). The intention is for this to become the definitive data set on this topic for banks, government, business organisations and other interested parties, including academics. It is hoped it will be used to provide answers, to obviate the need for similar quantitative research, and to provide the starting point for spin off projects into specific aspects of SME Finance. Further information is available on the SME Finance Monitor web page. Latest Edition Information For the 19th edition (May 2018) additional data and documentation were deposited to extend the coverage to Quarter 4, 2017.

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)0,005
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,100
Score d'incertitude au seuil0,199

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,011

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 Opus0,043
Tête enseignante GPT0,302
Écart entre enseignants0,259 · 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'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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUK Data ArchiveMême sujetWood and Agarwood ResearchTravaux en français237 207