MétaCan
Menu
Retour à la cohorte
Enregistrement W3121438465

IMPACT OF CORONA VIRUS COVID-19 ON THE GLOBAL ECONOMY

2020· article· en· W3121438465 sur OpenAlexaboutno aff
S. Mohapatra, V. Priyanka, Indermeet Kohli, Rahul Mishra

Notice bibliographique

RevueInternational Journal of Agricultural and Statistical Sciences · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRecessionBusinessCoronavirus disease 2019 (COVID-19)AgricultureEconomic impact analysisEconomic sectorGlobal recessionWorld economyQuarter (Canadian coin)OutbreakPandemicEconomyGovernment (linguistics)Economic growthEconomic policyEconomicsGeographyInfectious disease (medical specialty)Political science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The present article dealt with the impact of COVID-19 outbreak on the world economy. The study has covered the outbreak of corona virus along with its impact on agriculture, energy sector, space science and overall economy. Coronavirus posing serious, challenging and troublesome effects on the economy is believed to create sudden economic recession which will burst the estimated budget of the world in the very first quarter. The global economic recession is expected to make a loss of trillion dollars of global income. Due to this pandemic spread over all the world wide webinars and conferences across technology along with sports and fashions are being postponed or being cancelled and it also led to shutdown of shops and companies except pharmaceuticals and groceries etc. which shows that there will be negative impact on the economies of the countries. It has made numerous impacts in agricultural sector affecting income and profit of farmers as well as distributors and consumers. Hence, there is a urgent need of government action and advanced research labs so that the world with all its major affected countries could turn the situation over and make the economic growth could reach little far towards the target.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,745
Score d'incertitude au seuil0,567

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,083
Tête enseignante GPT0,337
Écart entre enseignants0,255 · 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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Agricultural and Statistical SciencesMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207