ANALYSIS OF THE IMPACT OF THE PANDEMIC ON SEASIDE TOURISM IN ROMANIA AND LEBANON
Notice bibliographique
Résumé
The hospitality industry has been severely affected by the health crisis. The World Tourism Organization recently indicated that the decrease in the volume of international tourism, in terms of the number of arrivals and receipts, respectively, was 74% compared to 2019. The year 2020 meant a loss of 1 billion international tourists and 1.3 trillion dollars, compared to 2019, a collapse about 11 times more drastic than in the case of the 2009 crisis. This dramatic decline was also reflected in the case of seaside tourism, internationally.Our paper tries to provide an image on the effects of the pandemic on coastal tourism in Romania and Lebanon, based on existing statistical data in the two countries. Thus, the analysis of the databases provided by the National Institute of Statistics in Romania shows that the occupancy rate for August - the month with the best occupancy rate on the coast - decreased by 23.91% in 2020 compared to from the previous year.In Lebanon, according to the reference survey by Economena Analytics, Ernst and Young, the third quarter recorded the highest occupancy rate of the year in the coastal area reaching the maximum value in 2019 of 78.5%. The same quarter recorded the lowest value of 25.3% in 2020. The seaside tourism industry was severely affected in both countries.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».