MétaCan
Menu
Retour à la cohorte
Enregistrement W3147756414 · doi:10.46914/1562-2959-2021-1-1-186-190

The impact of the pandemic on the labour market

2021· article· en· W3147756414 sur OpenAlexaboutno aff
K. Y. Izguttiyeva, L. A. Tussupova, E. M. Yeralina

Notice bibliographique

RevueBulletin of Turan University · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueImpulse Buying and Technology Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPandemicContext (archaeology)Variety (cybernetics)Flexibility (engineering)BusinessRelevance (law)EconomicsLabour economicsMarket economyCoronavirus disease 2019 (COVID-19)Political scienceGeography

Résumé

récupéré en direct d'OpenAlex

In the context of a pandemic, many enterprises take actions and make specific decisions in conditions of uncertainty,since it is absolutely impossible to predict the development of the pandemic and its possible consequences on the territory of other countries of the world. Thus, business activity also remains in an environment of uncertainty and is subject to a variety of factors that can not only negatively affect certain aspects of their activities, but can also lead to the complete destruction of the business entity. The relevance of the research topic is shown in the identification of the consequences of the coronavirus pandemic and their assessment on the modern labour market. An increasing number of employers' requirements for employees are associated with soft-skills. These include critical thinking, self-management, problem solving, learnability, resilience to stress, flexibility, and etc. The purpose of the study was to assess the current situation in the world and domestic labour market. The object of research was the labour market of the leading countries of the world: the United States, China, great Britain and Canada. The result of the study was the conclusion about further changes in the demand for labour and the conclusion about what the domestic labour market is waiting for in the future.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,018
Tête enseignante GPT0,191
Écart entre enseignants0,172 · 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 source (Gemma direct ou Codex distillé), 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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of Turan UniversityMême sujetImpulse Buying and Technology ImpactsTravaux en français237 207