MétaCan
Menu
Retour à la cohorte
Enregistrement W3119114616

Has the pandemic (COVID-19) affected the fishery sector in regional scale? A case study on the fishery sector in Hatay province from Turkey

2020· article· en· W3119114616 sur OpenAlexaboutno aff
Aydın Demirci, Emrah Şimşek, Mehmet Fatih Can, Özkan Akar, Sevil Demirci

Notice bibliographique

RevueDergiPark (Istanbul University) · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain Resilience and Risk Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFishingBusinessFisheryPandemicDecentralizationScale (ratio)Quarter (Canadian coin)Government (linguistics)Fish processingCoronavirus disease 2019 (COVID-19)GeographyFish <Actinopterygii>EconomicsMarket economy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Many sectors in all around the world including fisheries have been affected from COVID-19 pandemic. The aim of this study was to evaluate the early effects of the pandemic (COVID-19) on the fishery sector that have been conducting in regional scale considering the fishery sector in Hatay province from Turkey. A series of interviews were accomplished with the peoples/firms/enterprises belonging stakeholders (fishermen, retailer, wholesaler and exporters) to question the fishing effort and trade statistics covering the first quarter of 2019 and 2020. The most negative impact of the pandemic in terms of trade (in quantity, kg) was on the exporter with 65% decrease followed by wholesalers (35%), retailers (17% for fishing products and 14% aquaculture products). It was concluded that ERP (Enterprise Resource Planning) system should be constructed by the government to cope with the problems resulting from pandemics in the fisheries sectors. In this sense, within a decentralization aspect, local cooperatives would play an important role in setting a sector-oriented ERP.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,607
Score d'incertitude au seuil0,983

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,001
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 Opus0,091
Tête enseignante GPT0,231
Écart entre enseignants0,141 · 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'étudeObservationnel
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

Citations22
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDergiPark (Istanbul University)Même sujetSupply Chain Resilience and Risk ManagementTravaux en français237 207