MétaCan
Menu
Retour à la cohorte
Enregistrement W4281255649 · doi:10.53730/ijhs.v6ns3.7624

Impact of COVID-19 on gross value added of Indian service sector

2022· article· en· W4281255649 sur OpenAlexaboutno aff
Priyanka Sharma

Notice bibliographique

RevueInternational Journal of Health Sciences · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTertiary sector of the economyService (business)Gross value addedChristian ministryCoronavirus disease 2019 (COVID-19)WelfareBusinessGovernment sectorGovernment (linguistics)Quarter (Canadian coin)Value (mathematics)Economic growthAgricultural economicsSocioeconomicsEconomicsStatisticsGeographyMarketingEconomyMathematicsPrivate sectorMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

This paper attempt to analyze the Covid -19 pandemic impact on the gross value added of the Indian service sector. The purpose of present study is to examine the relationship between the number of Covid -19 confirmed cases in India and gross value added of service sector and sub-service sector of India. The results of the study suggest that number of Covid -19 confirmed cases have a negative impact on the gross value added of the service sector and sub-service sectors of India. However, the negative impact of Covid -19 confirmed cases on the gross value added of the service sector and sub-service sectors of India is not statistically significant. This study also suggests what steps the government can take to revitalize the service sector. The present study is quantitative. For the purpose of study data collected from FY 2019 to the first quarter of FY 2021-22. The study is based on secondary data. The database of the Ministry of Statistics and Programme Implementation was the source of information for the Indian Service Sector GVA and the Ministry of Health and Family Welfare (MoHFW) was the source of information for the number of confirmed Covid -19 cases in India.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,300
Score d'incertitude au seuil0,876

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,119
Tête enseignante GPT0,398
Écart entre enseignants0,279 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Health SciencesMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207