Factores de riesgo que influyen en la disolución de las empresas del sector de fabricación de muebles de madera
Bibliographic record
Abstract
El presente estudio trata sobre los factores de riesgo que influyen en la disolución de las empresas del sector de fabricación de muebles de madera en la provincia de Tungurahua, este sector se ha convertido en una alternativa económica a la tradicional agricultura, avicultura y ganadería en el sector rural de la provincia. El principal objetivo de la investigación es determinar la situación actual del sector en relación a la vulnerabilidad de los factores de riesgo internos: administrativos, financieros, operativos y estratégicos. La metodología de la investigación es de tipo descriptiva, transversal y correlacional, paralelamente el instrumento de investigación fue un cuestionario conformado por 14 preguntas sobre las dimensiones de los riesgos administrativos, financieros, operativos y estratégicos, las primeras 5 preguntas del cuestionario son generales, las 9 preguntas restantes están construidos sobre una escala de Likert.: muy bajo, bajo, medio, alto y muy alto sobre las dimensiones de riesgo. El cuestionario fue aplicado a una muestra compuesta por 40 empresarios del sector. Los principales resultados mostraron una confiabilidad aceptable de instrumento por Alfa de Cronbach (0.744), la mayor parte de las empresas se ubican en el cantón Pelileo (52.5%), en promedio tienen 10 empleados que realizan las actividades operativas y comerciales en la empresa, 5 años de funcionamiento en promedio y según el tipo de empresa la mayor parte son pequeñas con el 60%, los niveles de riesgos más significativo en el sector son: operativos (39.00%) y estratégico (36.60%) los cuales influyen en la disolución de las empresas.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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".