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 OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

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 <I>Small- and Medium-Sized Enterprise Finance Monitor</I> 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.<br> <br> 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.<br> <br> 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.).<br> <br> 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.<br> <br> Further information is available on the <a href="http://www.sme-finance-monitor.co.uk/" title="SME Finance" target="_blank">SME Finance Monitor</a> web page.<br> <br> <b>Latest Edition Information</b><br> For the 19th edition (May 2018) additional data and documentation were deposited to extend the coverage to Quarter 4, 2017.<br> <br>

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.

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 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 enseignants0,009
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0040,007
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,043
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