MétaCan
Menu
Retour à la cohorte
Enregistrement W3196822294 · doi:10.46932/sfjdv2n4-050

Impacto del covid-19 en las exportaciones de banano, camarón y flores durante el 2020

2021· article· es· W3196822294 sur OpenAlexaff
Pauleth Estefanny Peñaloza Veintimilla, Andrea del Cisne Vega Granda, Víctor Javier Garzón Montealegre, Eveligh Prado-Carpio, Jessica Maribel Quezada Campoverde

Notice bibliographique

RevueSouth Florida Journal of Development · 2021
Typearticle
Languees
DomaineEconomics, Econometrics and Finance
ThématiqueBusiness, Innovation, and Economy
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésHumanitiesCoronavirus disease 2019 (COVID-19)GeographyPolitical scienceCartographyArtMedicine

Résumé

récupéré en direct d'OpenAlex

Debido a la aparición del nuevo virus llamado covid-19 que se originó en Wuhan-China y que rápidamente se propagó alrededor del mundo, el mismo ocasionó graves problemas en todos los sectores, por lo que los gobiernos decidieron realizar un confinamiento en los primeros meses del 2020, con ello el cierre de los puertos, aeropuertos y fronteras, así como también, la reducción de horas de trabajo, paralización del transporte, entre otros. Las regiones más afectadas por la pandemia fueron América Latina y El Caribe. Los sectores más dinámicos en la economía en Ecuador son: el bananero, camaronero y de las flores, los mismos que en los últimos años han aumentado su contribución al Producto Interno Bruto (PIB). El objetivo del presente artículo es analizar el impacto del covid-19 en las exportaciones de banano, camarón y flores tomando en cuenta los factores preponderantes que han hecho que estos sectores se vean afectados durante el periodo 2020. Se realizó mediante un diseño no experimental, descriptivo, para la sección de resultados se tomó la información de páginas oficiales y seguidamente su análisis de los tres sectores. Se concluye que para el 2020, las exportaciones ecuatorianas fueron positivas, debido a que tuvieron un crecimiento en los productos de banano y camarón; mientras que, las flores fue el sector más perjudicado. Los mercados más importantes para las exportaciones del país son EEUU, la Unión Europea y China. Due to the appearance of the new virus called covid-19 that originated in Wuhan-China and that quickly spread around the world, it caused serious problems in all sectors, so the governments decided to carry out a lockdown in the first months of 2020, with this the closure of ports, airports and borders, as well as the reduction of working hours, paralysis of transport, among others. The regions most affected by the pandemic were Latin America and the Caribbean. The most dynamic sectors in the economy in Ecuador are: the banana, shrimp and flower sectors, the same ones that in recent years have increased their contribution to the Gross Domestic Product (GDP). The objective of this article is to analyze the impact of covid-19 on banana, shrimp and flower exports, taking into account the preponderant factors that have caused these sectors to be affected during the 2020 period. It was carried out using a non-experimental design, descriptive, for the results section the information from official pages was taken and then its analysis of the three sectors. It is concluded that for 2020, Ecuadorian exports were positive, due to the growth in banana and shrimp products; while flowers were the most affected sector. The most important markets for the country's exports are the US, the European Union and China.

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)0,001
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 enseignants0,195
Score d'incertitude au seuil0,387

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,024
Tête enseignante GPT0,243
Écart entre enseignants0,219 · 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSouth Florida Journal of DevelopmentMême sujetBusiness, Innovation, and EconomyTravaux en français237 207