Intensifying effects of COVID-19 on economic growth, logistics performance, environmental sustainability and quality management: evidence from Asian countries
Notice bibliographique
Résumé
Purpose This study aims to explore the effects of the COVID-19 outbreak on exports of goods and services, logistics performance, environmental management system (ISO 14001) certification and quality management system (ISO 9001) certification in top affected Asian countries of India, Iran, Indonesia, Philippines, Bangladesh and Pakistan. Design/methodology/approach A novel grey relational analysis models’ approach is used to examine the inter-relationship between COVID-19 economic growth and environmental performance. Moreover, the authors applied a conservative (maximin) model to investigate which countries have the least intensifying affected among all of the top affected COVID-19 Asian countries based on the SS degree of grey relation values. The data used in this study was collected from multiple databases during 2020 for analysis. Findings Results indicate that the severity of COVID-19 shows a strong negative association and influence of COVID-19 on the exportation of goods and services, logistics performance, ISO 9001 and ISO 14001 certifications in all the six highly affected countries during a pandemic outbreak. Although the adverse effects of COVID-19 in exporting countries persisted until December 31, 2020, their magnitude decreased over time in Indonesia and Pakistan. During the COVID-19 outbreak, Pakistan showed comparatively better performance among the six top highly affected Asian countries due to its smart locked down strategy and prevents its economy from severe damages. While India and Iran export drastically go down due to a rapid increase in the number of COVID-19 cases and deaths. Research limitations/implications The research findings produce much-required policy suggestions for leaders, world agencies and governments to take corrective measures on an emergent basis to prevent the economies from more damages and improve their logistics, environmental and quality performance during the pandemic of COVID-19. Originality/value This study develops a framework and investigates the intensifying effects of COVID-19 effects on economic growth, logistics performance, environmental performance and quality production processes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».