Impact of COVID-19 and the Russia-Ukraine Crisis on Micro Small and Medium-Sized Enterprises (MSMEs) in Malawi
Notice bibliographique
Résumé
The study was undertaken to assess the impact of COVID-19 (the pandemic) and the Russia Ukraine crisis on MSMEs in Malawi, the role regional integration plays in post pandemic recovery, and how technology and innovation are being leveraged by MSMEs to address the impacts of the pandemic and the Russia-Ukraine crisis. The basis of the study is a survey of 503 MSMEs which was conducted from 14th November to 22nd November 2022 across the three regions covering all the 28 districts and the cities of Blantyre, Lilongwe, Mzuzu, and Zomba. The 503 businesses were selected randomly to participate in a telephone survey where 107 businesses were closed at the time of the survey, and 396 businesses are operational. Most of the businesses are micro and small, operate in the service sector, and equally owned by men, women, the youth and the elderly. Over a quarter of the businesses were established in the last three years. The study therefore recommends supporting productive and competitive businesses and building capacity of the MSME sector to produce products for the export markets. Improving access to capital, uninterrupted electricity supply, and stabilising the Malawian Kwacha would enhance performance of the MSME sector. There is a requirement for a platform to disseminate information and studies about existing opportunities in regional markets and Africa to enhance integration of MSME sector.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».