THE RUSSIAN GOVERNMENT’S MEASURES TO SUPPORT THE RUSSIAN ECONOMY DURING COVID-19 CRISES
Notice bibliographique
Résumé
The pandemic COVID-19 has plunged the world economy into the deepest recession since World War II. Despite additional policy support, GDP of world in 2020 decreased by 5.2 percent, then followed by an increase of 4.2 percent in 2021. The pandemic has deeply interrupted livelihoods, with the termination in nearly 500 million full-time jobs in second quarter of 2020 alone. And this situation pushed about 150 million people into poverty by 2021. The revival of pandemic is blowing out a shadow over the global restoration as countries are forced to pull tight social-distancing measures, but trust has been picked up by news that various vaccines have shown high effectiveness in clinical experiments. The pandemic is forecasting to have long-lasting scarring effects on productivity and prospective growth, as investment loses strength further and human capital accumulation slows for reason of prolonged school lock-downs and extended unemployment. Financing situations in Emerging Market and Developing Economies (EMDEs) have s amid gathering speed in COVID-19 cases. EMDEs suffering of higher debt burdens or financing needs are especially vulnerable to acute rise in borrowing costs and to restrictions in their access to financing. Foreign Direct Investment (FDI) flows to EMDEs dropped by about 32 percent in 2020 among stalling investment and poor corporate profit. Keywords: pandemic, fiscal assistance, government measures.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».