MétaCan
Menu
Retour à la cohorte
Enregistrement W3119874210 · doi:10.5430/ijfr.v12n2p55

Impact of Covid-19 in the European Start-ups Business and the Idea to Re-energise the Economy

2021· article· en· W3119874210 sur OpenAlexvenueno aff
Stavros Kalogiannidis, Fotios Chatzitheodoridis

Notice bibliographique

RevueInternational Journal of Financial Research · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScrutinyContext (archaeology)Coronavirus disease 2019 (COVID-19)Order (exchange)European unionPandemicEuropean economyEconomyBusinessEconomicsPolitical scienceMarket economyEconomic policyGeographyLawFinance

Résumé

récupéré en direct d'OpenAlex

This paper has been constructed with the aim to evaluate the profound Impact of Covid-19 in the European start-ups business as well as to illustrate certain effective ideas in order to re-energise the economy. The sudden arrival of this deadly pandemic has impacted the overall world in many different ways and economy is one of them. Therefore, through the execution of secondary research, this study is going to assess the distinctive notions of economic downfall in the context of European countries and different industries of this continent. In the last decade start-ups have generated a lot of employment. Start-ups have found new markets and opportunities that have revolutionised the way business has been perceived. The titans of commerce and various industries have been left behind by smart innovation and sheer brilliance. So it is only natural that there should be more scrutiny on the impacts of the Corona pandemic on the start-up industry. The impact of the Covid-19 pandemic on the start-up industry should be carefully studied in order to make more informed policies. The aim of this paper is to study the impact of Covid-19 on the start-up industry of the European Union. This paper will also make an in depth study of the strategic remedies employed by various governments re energise the sector.

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)0,013
score de la tête « metaresearch » (Gemma)0,020
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,482
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,133
Tête enseignante GPT0,404
Écart entre enseignants0,271 · 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.

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

Citations21
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Financial ResearchMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207