MétaCan
Menu
← Retour à la cohorte
Enregistrement W7080176498 · doi:10.5281/zenodo.17069223

Nexus between Exchange Rate Fluctuation and the Investment Decision of Small and Medium-sized Enterprises (SMEs)

2025· article· en· W7080176498 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésExchange rateVolatility (finance)Investment (military)PopulationNexus (standard)Investment decisionsAgency (philosophy)Stratified sampling

Résumé

récupéré en direct d'OpenAlex

This study examines the impact of exchange rate fluctuation on the investment decisions of Small and Medium-sized Enterprises (SMEs) in Nigeria’s South-west geopolitical zone. The objective is to examine how exchange volatility influences SME investment decision behavior, particularly in a developing economy where external shocks significantly affect business sustainability. The research adopted a descriptive survey design and employed a mixed-methods approach that integrates both quantitative and qualitative data to provide a holistic analysis. The study population consists of 149,317 SMEs registered with the Small and Medium Enterprises Development Agency of Nigeria (SMEDAN), distributed across Ekiti, Ondo, Osun, Oyo, Ogun, and Lagos States. The study employed stratified random and purposive sampling techniques. Data collected were analysed using the Statistical Package for the Social Sciences (SPSS), applying both descriptive and inferential statistics. Findings revealed that volatility in exchange rates introduces a high level of uncertainty into the business environment, directly impacting SMEs’ ability to make sound, long-term investment decisions. The study concludes that exchange rate fluctuation introduces uncertainty that impairs strategic investment decisions. It recommends that government and financial institutions should make hedging instruments and foreign exchange risk management tools more accessible and affordable for SMEs to reduce uncertainty in investment planning.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,027
Tête enseignante GPT0,236
Écart entre enseignants0,210 · 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'étudeObservationnel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetGeochemistry and Geologic Mapping→Travaux en français237 207→