Socio-Economic Risk Assessment and Peril Analysis in the Context of the COVID-19 Pandemic and Emergencies
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 article proposes a methodology for assessing socio-economic risks and analysing perils in the context of the COVID-19 pandemic and emergencies, and presents the results of its testing. The methodology allows assessing changes in labour risks by possible values of internal indicators. This makes it possible to develop scenario approaches in case of a change in quarantine restrictions or their lifting. Testing of the developed methodology for assessing socio-economic risks and analysing perils caused by the impact of the COVID-19 pandemic on the domestic labour market and employment is based on determining changes in economic conditions of risk emergence and occurrence, direct employment risks, and assessment of socio-economic consequences of risks in case of strict quarantine measures during the 2nd quarter of 2020. A feature of the proposed scientific and methodological support for assessing socio-economic risks and analysing perils in the context of the COVID-19 pandemic is taking into account the basic principles of the European system of social indicators using quantitative methods of assessing social risks in the workplace. The practical significance of the obtained results is that the introduction of the developed scientific and methodological support, and practical recommendations will promote the development of preventive measures to deal with socio-economic risks and perils in the domestic labor market and employment, to improve social protection during the COVID-19 pandemic, and to prioritise the government measures based on the risk ranking according to the occurrence, and the impact probability.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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