Processus de désagrégation du système des grandes entreprises nationales en Hongrie
Bibliographic record
Abstract
Le résultat le plus spectaculaire concernant le changement actuel du système économique en Hongrie est la transformation radicale du système d’organisations industrielles. La variété des nouveaux organismes économiques démontre une véritable transition du secteur privé, auparavant insignifiant et limité, vers une économie fonctionnant sur un mode plus ou moins privé. Cette analyse montre qu’entre 1985 et 1989, le nombre des entreprises a pratiquement doublé. Après 1989, un laps de temps d’une année fut suffisant pour que le nombre d’entreprises double à nouveau. Cette augmentation est due surtout à l’apparition de PME entre 1985 et 1989 mais aussi, par la suite, à la division des grandes et des moyennes entreprises. Les auteurs présentent les principaux facteurs ayant favorisé la désagrégation des grandes entreprises en décrivant la diminution du rôle de celles-ci et la situation instable des dirigeants des grandes entreprises dans une période de changement de système politique. Enfin, des considérations sur le succès de ce changement structurel sont présentées selon les différentes formes qu’ont prises les divisions d’entreprises ainsi que les diverses raisons qui ont amené les entreprises à ce changement.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".