PENGARUH WABAH COVID-19 TERHADAP TINGKAT PENGANGGURAN TERBUKA PADA SEKTOR TERDAMPAK DI INDONESIA
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Covid-19 pandemic which took place since the beginning of the year has hit the economy, including in Indonesia. The business sectors, especially tourism and manufacturing are the most affected. The result is the termination of employment (layoffs) or laying off workers for a while. Based on data from the Ministry of Manpower and BPJS Employment, there are 2.8 million workers directly affected by Covid-19. They consist of 1.7 million formal workers laying off and 749.4 thousand laid off. In addition, there were 282 informal workers whose businesses were disrupted. While the Badan Perlindungan Pekerja Migran Indonesia (BP2MI) recorded that there were 100,094 Pekerja Migran Indonesia (PMI) from 83 countries returning to Indonesia in the last three months. CORE Indonesia estimates that the open unemployment rate in the second quarter of 2020 will reach 8.2% with a mild scenario. While other scenarios were 9.79% in the medium scenario and 11.47% were severe scenarios. The Indonesian Monetary Fund (IMF) also projects Indonesia's unemployment rate in 2020 to be 7.5%, increasing from 2019 which is only 5.3%.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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