Implications of COVID-19 Lockdown on South African Business Sector
Notice bibliographique
Résumé
The COVID-19 pandemic in South Africa spelt untold adversity on many businesses in the country. This is attributable to the precautionary measures implemented by the South African government to contain the ferocious disease spread across various levels in the society. This article examined the many implications of the pandemic on the business sector in South Africa through the period just before June 2020. The article adopted a qualitative approach to critically examine the implications of the COVID-19 pandemic on the business sector in South Africa. It utilised Statistics South Africa’s reports and contemporary literature on the effects of COVID-19 on the business sector which was used as a source of reference. The statistical evidence is based on experimental data for May 2020, as derived from over a thousand registered businesses operating within the formal sector from various industrial groupings in South Africa. The period under review is remarkable because the business's effect of the pandemic became visibly alarming while the lockdown phases were reduced from Level 5 to Level 4 within the period. The private sector of the economy, known for its huge economic sustenance of most of the country’s labour force, was already at the firing line as all ‘nonessential’ businesses succumb to government’s strict regulations on socioeconomic activities during the phased lockdowns. The hitherto struggling economy, barely sustained by this sector, eventually caved in with over half of its gross domestic product, shrinking attributable to the unparalleled adverse effects that attended the dreaded pandemic. Although government is still battling with the nation’s economic recovery process, many businesses counted their losses from the first few months of the lockdown, as portrayed by plentiful evidence from the national statistical body.
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 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 | 0,002 | 0,023 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».