STARTUPS: Founding airlines during COVID-19 - A hopeless endeavor or an ample opportunity for a better aviation system?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The devastating impact of COVID-19 on aviation is unprecedented and undoubted in the recent sci-entific literature, with many studies having dissected different facets of COVID-19-induced changes to the industry. A few studies have stepped further and highlighted that the COVID-19 pandemic could have positive long-term impacts on aviation. Given that traditional air carriers are known to be reluctant for performing high-risk experiments outside their business-as-usual, parts of hope for a better aviation future rests on novel players entering the industry. The pandemic - against common perception and odds - might have created a rare opportunity for airline startups to enter the market. In this study, we first dissect the impact of the COVID-19 pandemic on aviation and how it possibly created a breeding ground for new airlines. We propose a framework of eight facets, STARTUPS, covering flight Suspensions, Talents, Aircraft, Recovery, Travel demand, Uniquity, Policy making, and Strategy. Moreover, we analyze the business model and markets of 46 airline startups, established or becoming active during the pandemic. Our study is concluded with a dis-cussion on the risk factors for airline startups during the COVID-19 pandemic and induced policy challenges. Our analysis, we believe, is complementary to existing studies on COVID-19, leveraging a novel perspective on the pandemic and the aviation industry.
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.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 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 découle