MétaCan
Menu
Retour à la cohorte
Enregistrement W4294865330 · doi:10.2991/aebmr.k.220307.360

The Impact of the Epidemic on E-commerce Industry

2022· article· en· W4294865330 sur OpenAlexaff
Yantong Chen, Mingli Hou, Yimin Lou, Yue Zhao

Notice bibliographique

RevueAdvances in economics, business and management research/Advances in Economics, Business and Management Research · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensMcMaster UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésE-commerceBusinessComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Under the condition that the COVID-19 spread all over the world, the economy is affected negatively.The government published some policies to pretend people from the virus.At the same time, global commerce is affected.In this condition, e-commerce met its opportunity and risk.This paper contains some statistics and analyses to explain the development of e-commerce.During the related research, it is said that due to the spread of the virus, people tend to decrease their social activities and change their approach to shopping.When the demand for online shopping increases, people still worry about logistics delays, supply shortages, and food safety.The analysis of the environment includes policy, economy, society, and technology.Confronting with the virus, many countries published policies to face this epidemic and many companies tend to develop online shopping.Besides, people were more likely to purchase online with the development and spread of the mobile phone as well as the mobile payment.It is discovered that some factors, like advanced technology, free delivery, lower price, and reviews from other customers, can be used to explain people's activities.Eventually, some solutions are mentioned to solve problems.To solve the lack of commodities, the store owners tend to sell them in advance through live telecasts.Moreover, to reduce people's anxiety about the safety of frozen food, a mobile tracking system is supposed to be built up and companies' epidemic prevention situation can also be shown.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,008
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0000,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,078
Tête enseignante GPT0,373
Écart entre enseignants0,295 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in economics, business and management research/Advances in Economics, Business and Management ResearchMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207