A STUDY OF COVID-19 ON INDIAN ECONOMY
Notice bibliographique
Résumé
Objective: The COVID-19 outbreak has wreaked havoc on India's economy. This article examines how India has dealt with all of the country's severe economic problems and how it has dealt with them through various government programmes. Methods: This research article based on secondary data. Different secondary sources, such as websites, government publications, journals, magazines, and newspaper articles, are preferred for acquiring information. As a result, the utilisation of a comprehensive Literature Review approach was used to make the current research signicant. Results:All economic activity was halted as a result of the shutdown, and individuals lost their employment. Manufacturing and service industries have completely shut down. In India, during COVID-19 pandemic worker migration had begun. The covid-19 epidemic had a signicant impact on every economic sector (tourist, retail, manufacturing, aviation, infrastructure, stock markets, and etc.). Due to the COVID-19 pandemic outbreak in the rst quarter of 2020-21, India's GDP growth rate fell to -24.38 percent. However, the government's scal policies and the Reserve Bank of India's monetary policies aid India's economic recovery. India attracts foreign direct investment because major corporations have lost faith in China, and all manufacturing activity has moved to another country. India has made a concerted effort to attract these countries. Conclusions: In this COVID-19 pandemic, India implemented a strict lockdown, which resulted in higher unemployment, lower GDP growth, and starving people migrating. India faced a critical scenario during COVID-19 due to a lack of health facilities. However, new concepts were explored during Covid -19 pandemic such as work from home, digital education, and a growth in social media marketing.
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 | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».