MétaCan
Menu
Retour à la cohorte
Enregistrement W3017287953

The Influence of the COVID-19 Virus on the Luxury Retail Market in 2020

2020· article· en· W3017287953 sur OpenAlexaff
Sana Mahmoud Abbasi

Notice bibliographique

RevueInternational Journal of Sciences: Basic and Applied Research · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensNiagara College
Organismes subventionnairesnon disponible
Mots-clésChinaCoronavirus disease 2019 (COVID-19)BusinessClosure (psychology)Contagious diseaseCommerceMarketing2019-20 coronavirus outbreakRetail industryDiseaseSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)AdvertisingMarket economyMedicineOutbreakVirologyInfectious disease (medical specialty)EconomicsGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

On March 5, 2020 retailers' top priority has been the global spread of COVID-19 in recent weeks, which had a direct effect on the health and safety of their workers and customers.  Those concerns early in the year steered many retailers, to close their stores within China and constrain employee travel. Several weeks later, the virus has reached the U.S and other countries outside China, with 93,000 cases tracked worldwide as of March 4, 2020 according to the World Organization.  Many details about the disease, which has flu-like symptoms remain unknown, and health officials are still investigating how far and for how long it might spread. But as more cases of the disease have been reported globally, problems for the retail industry have materialized. For mass merchants like Walmart, the virus could have positive effects, since they are sources of groceries and disease-fighting essentials that consumers.  However, the luxury retail market has suffered tremendously.   One of the biggest signs of the industry's response has been the closure of fashion weeks. and many Luxury houses have closed their stores and canceled their shows.  This Research paper will investigate the crisis of COVID -19 and its influence on the luxury retail market particularly.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,454
Score d'incertitude au seuil0,579

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,162
Tête enseignante GPT0,359
Écart entre enseignants0,197 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sciences: Basic and Applied ResearchMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207