The Impact of the COVID-19 Pandemic on Regional Labor Markets in Ukraine
Notice bibliographique
Résumé
In March 2019, the World Health Organization (WHO) announced the global outbreak of COVID-19 to be a pandemic. The probable source of the virus was Wuhan (China), from where it quickly spread all over the world. Experts say that from the start of the pandemic in Ukraine and to the second quarter of 2022, 5.04 million cases of infection were recorded. The fraction of people who have received at least one dose of the COVID-19 vaccine is 36.4%, making Ukraine the least vaccinated country in Europe. High morbidity rate made it necessary to introduce quarantine measures that have negatively affected the socio-economic development of Ukraine as a whole, and regional labor markets, in particular. The article is aimed at assessing the impact of the coronavirus pandemic on regional labor markets in Ukraine. To achieve this aim, the following tasks were solved: a) to analyze the COVID-19 dynamics as for Ukraine’s regions, taking into account the aggravation of the humanitarian crisis; b) to identify the situation in regional labor markets by economic activity indicators; c) to analyze state regulation as for its compliance with the state social guarantees in labor relations. It has been determined that the most negative situation with the COVID-19 epidemic is present in the regions with the largest cities of the country (which are home to a population of 1,029,049 to 2,611,327 people). It proves that a particularly negative impact of the pandemic was made on the regional labor markets with high economic activity and strong economic potential. It is established that the pandemic has led to employment reduction in all the regions, which went hand in hand with the increase in informal employment of economically active population. Rising unemployment and wage arrears are also signs of the negative impact of the COVID-19 pandemic on Ukraine’s regional labor markets. It can be concluded that the key problems requiring managerial decisions are those connected with inclusive economic recovery after COVID-19 and the fulfillment of state social guarantees in the labor market in almost every region in Ukraine, given the impact of the ongoing military conflict and the need for economic recovery after it.
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 | 0,000 | 0,001 |
| 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 | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».