Exploratory analysis of factors affecting levels of home deliveries before, during, and post- COVID-19
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
The COVID-19 pandemic has significantly affected shopping behavior and has accelerated the adoption of online shopping and home deliveries. We administered an online survey among the population in the Portland-Vancouver-Hillsboro Metropolitan area on household and demographic characteristics, e-commerce preferences and factors, number of deliveries made before and during the COVID-19 lockdown, and number of deliveries expected to make post-pandemic. In this research, we conduct an exploratory analysis of the factors that affect home delivery levels before, during, and post-COVID-19. There was a significant increase in home deliveries during the COVID-19 lockdown relative to the before COVID-19 period. A high proportion of the households that made less than three deliveries per month before the pandemic stated they would order more online post-pandemic. A majority of the households that ordered more than three deliveries per month before COVID-19 are expected to revert to their original levels post-pandemic. The two variables most positively affecting the likelihood of online shopping were access to delivery subscriptions and income. Tech-savvy individuals are expected to make more home delivery orders post-pandemic compared to before and during COVID-19. Health concerns positively increase the likelihood of ordering online during the pandemic and post-pandemic. Older and retired individuals are less likely to use online deliveries. However, the likelihood of older and retired individuals ordering more home deliveries increased during the pandemic lockdown. Households with disabled members, single workers, and respondents concerned about online experience and health are more likely to be first-time online shoppers during the pandemic.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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