ДЕРЖАВНІ ПЕРСПЕКТИВИ ФІНАНСОВОЇ ПІДТРИМКИ ВІДНОВЛЕННЯ ВНУТРІШНІХ ВОДНИХ ШЛЯХІВ ЗАДЛЯ ВКЛЮЧЕННЯ РІЧКОВОГО ТРАНСПОРТУ В СИСТЕМУ МУЛЬТИМОДАЛЬНИХ ПЕРЕВЕЗЕНЬ
Bibliographic record
Abstract
Констатовано, що система мультимодальних перевезень на- лежить до стратегічних галузей національної економіки та є вагомою скла- довою інфраструктурного потенціалу України. Наголошено, що Україна, маючи розгалужене річкове покриття, донині займає аутсайдерські позиції серед європейських країн із найменшою часткою перевезень річками. Дове- дено, що розвиток мультимодальних перевезень в Україні потребує на пер- шочергове вирішення низки внутрішніх проблем, зокрема, вдосконалення існуючої та розробки нової законодавчої бази з питань фінансового забез- печення відновлення внутрішніх водних шляхів задля включення річкового транспорту до системи мультимодальних перевезень. Наголошено на про- галинах Проекту Закону України “Про внутрішній водний транспорт” від 09.07.2018 р. за № 2475а-д та інших нормативно-правових актів з питань регулювання мультимодальних перевезень. Обгрунтовано доцільність вне- сення змін та доповнень до податкового та бюджетного законодавства Укра- їни, а також до супроводжуючих їх нормативно-правових актів у частині оподаткування акцизним податком палива для заправки річкових суден. Розглянуто внесені зміни до Закону України “Про джерела фінансування дорожнього господарства України” щодо удосконалення механізму фінан- сування дорожньої галузі” від 17.11.2016 р. за № 1762-VIII, як яскравий приклад пошуку альтернативних джерел фінансового забезпечення віднов- лення внутрішніх водних шляхів. Запропоновано варіанти альтернативно- го фінансового забезпечення відновлення внутрішніх водних шляхів задля інтеграції внутрішнього водного транспорту до системи транс’європейської транспортної мережі TEN-T та включення річкового транспорту до системи мультимодальних перевезень.
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.005 | 0.007 |
| Scholarly communication | 0.013 | 0.008 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.055 | 0.020 |
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".