MétaCan
Menu
Retour à la cohorte
Enregistrement W3156132366 · doi:10.17762/turcomat.v12i3.2009

When do we fly again? Managing Airlines in a Pandemic: Challenges and Recommendations

2021· article· en· W3156132366 sur OpenAlexaff
Mark Loo Et. al.

Notice bibliographique

RevueTürk bilgisayar ve matematik eğitimi dergisi · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensConcordia University of Edmonton
Organismes subventionnairesnon disponible
Mots-clésDistrustBusinessPandemicGovernment (linguistics)SustainabilityAviationCoronavirus disease 2019 (COVID-19)Customer engagementCivil aviationResilience (materials science)MarketingPublic relationsPolitical scienceMedicineSocial mediaEngineering

Résumé

récupéré en direct d'OpenAlex

This paper aimed to identify the challenges and propose recommendations to manage sustainability of the airline industry in a pandemic. When the World Health Organization stated Covid-19 as pandemic on March 11, 2020, governments in all countries ordered lockdowns, imposed travel restrictions, and required quarantine of 14 days for visitors and citizens upon arrival at the airport. The airlines industry came to a standstill. As Covid-19 is a recent and evolving phenomenon, the methodology employs secondary research based on data from authoritative sources such as the World Health Organization, International Civil Aviation Organization (ICAO) and International Air Transport Association (IATA) to identify the challenges. Peer reviewed research on past pandemics, especially the Severe Acute Respiratory Syndrome (SARS) in 2002-2003 help formulate recommendations to manage sustainability. The challenges are financial crisis, travel restrictions and customer distrust. The recommendations are positioning customer safety first, customer engagement, pricing strategy and collaboration with government. Limitations of the research and future research suggestions are presented

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,659
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,086
Tête enseignante GPT0,288
Écart entre enseignants0,202 · 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.

Devis d'étudeThéorique ou conceptuel
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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTürk bilgisayar ve matematik eğitimi dergisiMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207