Economic Scar Tissue of COVID-19 Puzzle: An Analysis, Evidence and Suggestion on Global Perspective
Notice bibliographique
Résumé
The COVID-19 pandemic has instigated tremendous human and economic hardship around the world. Using meta-literature and time series analysis, we conduct both synthesis and empirical analysis to investigate particularly the economic perspectives of COVID-19 across several financial systems: (a) Asian market, (b) European market, (c) American market and (d) Gulf Cooperation Council (GCC) and Middle East and North Africa’s (MENA) market. The critical review of the leading business and finance journals of ISI-WOS summarizes that the outburst of COVID-19 mercilessly affects global economies; however, the end phase of the systematic cascading effect has not clearly folded yet. The probable reasons of economic downturn are productivity reduction, labour immobility, undue job loss, scarcity of employment opportunities, discontinuation of supply chain, declining foreign exports, investment uncertainty, adverse clientele effect, etc. However, after analysing the pre- and during COVID effect on foreign reserve and remittance, we identify an inconclusive finding: (a) bullish trend, (e.g., the USA, Canada, Mexico, Japan, India, Bangladesh and Singapore); (b) bearish trend, (e.g., the UK, Sri-Lanka, Saudi Arabia, Malaysia, Nigeria, Italy and Brazil). Our time series analysis between pre- and during COVID-19 also documents the economic mystery that although the overall economic growth has gone down, foreign reserve and remittance have increased gradually across several economies. Overall, the current global situation demands systematic, well-targeted and aggressive fiscal-monetary stimulus initiatives. Therefore, this study offers theoretical, empirical and policy-oriented academic novelty with the possible suggestions and dynamic strategies to circumvent COVID-19 adverse effects.
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 | 0,008 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,009 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».