MétaCan
Menu
Retour à la cohorte
Enregistrement W4224022927 · doi:10.3390/jrfm15040183

Business Closures and (Re)Openings in Real-Time Using Google Places: Proof of Concept

2022· article· en· W4224022927 sur OpenAlexaffvenueabout
Daniel E. Rigobon, Thibaut Duprey, Artur Kotlicki, Philip Schnattinger, Soheil Baharian, T. R. Hurd

Notice bibliographique

RevueJournal of risk and financial management · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensMcMaster UniversityBank of Canada
Organismes subventionnairesnon disponible
Mots-clésClosure (psychology)Coronavirus disease 2019 (COVID-19)Set (abstract data type)Government (linguistics)Proof of conceptBusiness as usualService (business)Computer scienceBusinessEconomicsMarketingManagement

Résumé

récupéré en direct d'OpenAlex

We present a new estimation of business opening and closure rates using data from Google Places—the data set behind the Google Maps service. Our algorithm, through a bisection routine, counts the appearance and disappearance of “pins” that represent unique businesses. As a proof of concept, we compute business opening and closure rates for the city of Ottawa during the reopening phase of the COVID-19 pandemic in mid-2021. The lifting of restrictions coincides with a wave of re-entry of temporarily closed businesses, suggesting that government support may have facilitated the survival of hibernating businesses. Our entry estimates are validated by a survey of new businesses. This methodology allows policymakers to monitor business dynamics in quasi-real-time during rapidly unfolding crises.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,126
Score d'incertitude au seuil0,486

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,026
Tête enseignante GPT0,240
Écart entre enseignants0,215 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations11
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207