MétaCan
Menu
Retour à la cohorte
Enregistrement W3211773686 · doi:10.11594/nstp.2021.1304

Indonesia’s Economic Growth from 2019 -2021: An Economic Overview Before and During COVID 19 Pandemic

2021· article· en· W3211773686 sur OpenAlexaboutno aff
Wiwin Priana, Dewi Khrisna Sawitri

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)Economic recoveryQuarter (Canadian coin)Agency (philosophy)Economic indicatorEconomic expansionDevelopment economicsEconomic growth2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)EconomicsPolitical scienceGeographyMedicineSocial scienceSociologyMacroeconomicsVirologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Almost all countries suffer from The Covid 19 pandemic which has emerged since late 2019. This pandemic has greatly impacted the nations economic growth. Indonesia is also one of many nations with high cases of COVID 19 victims which have experienced the decline of economic growth. Economic growth is also a measure of the economic performance of a nation’s community, the more productive the people in that nation than the higher the economic growth of the nation will be.   Economic growth will be obtained from the increase of GDP from year to year.  This study has an objective to analyze economic growth in Indonesia which happened before COVID 19 in 2019 until the year 2021 in which this pandemic has still given its economic impact on the nation. Indonesia’s economic growth in 2019 was 5.03%, in 2020 was -2.20% and in 2021 the 2nd Quarter has reached 7.07%. The research method is conducted by analyzing the Report of GDP and Economic growth released by the Central Statistics Agency (BPS). The sample of this research is the year 2019, 2020, and 2021.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,047
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0030,000

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 Opus0,030
Tête enseignante GPT0,288
Écart entre enseignants0,257 · 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'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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSMEs Development and Digital MarketingTravaux en français237 207