Review on the Positive and Negative Impact of Covid-19 Pandemic on Environment and Society
Notice bibliographique
Résumé
This review search aims to show the positive and negative impact of COVID-19 on the all aspects of life such as environment, education, economy, politics, social life, and social media, and most importantly global human health and health services. particularly in the most affected countries such as China, USA, Canada, Italy, Spain, Germany, UK, Brazil, Mexico, India, and Iraq. In terms of the environment our search shows that there is a positive impact associated between measures and improvement in air quality, reduction of fossil fuel traffic pollutes, reduction in greenhouse gases (GHG) generation, clean beaches, and environmental noise reduction due to air traffic suspension. The negative impact was associated with aspects such as the reduction in recycling and the increase in waste, which was endangering the contamination of natural resources (water and land), in addition to air. Other negative impacts on reduction global economic activity. In terms of education, COVID-19 had a big effect in changing the education system from classroom to electronic learning. The COVID-19 pandemic has had far-reaching economic consequences beyond the spread of the disease itself and efforts to quarantine it. As this virus has spread around the globe, concerns have shifted from supply-side manufacturing issues to decreased business in the services sector. The pandemic caused the largest global recession in history, with more than a third of the global population at the time being placed on lockdown. ((Anon., April-2020) Health-wise it was the reason for the reduction of the world population due to the high mortality and death rate. This is expected to be carried on for unpredicted months perhaps a year until the right vaccine is in reach of every person in the world.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».