MétaCan
Menu
Retour à la cohorte
Enregistrement W4286376304 · doi:10.32983/2222-0712-2022-1-59-69

The Impact of the COVID-19 Pandemic on Regional Labor Markets in Ukraine

2022· article· en· W4286376304 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueTHE PROBLEMS OF ECONOMY · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor Market and Education
Établissements canadiensnon disponible
Organismes subventionnairesStrongWorld Health Organization
Mots-clésPandemicQuarter (Canadian coin)PopulationCoronavirus disease 2019 (COVID-19)ChinaState (computer science)QuarantineDevelopment economicsOutbreakEconomic growthBusinessGeographyEconomicsDemographyVirologyMedicineSociology

Résumé

récupéré en direct d'OpenAlex

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.

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)0,002
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 enseignants0,327
Score d'incertitude au seuil0,813

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 ouverte0,0010,000
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 Opus0,060
Tête enseignante GPT0,271
Écart entre enseignants0,211 · 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