MétaCan
Menu
← Retour à la cohorte
Enregistrement W4303832832 · doi:10.3390/jrfm15100446

The Impacts of the COVID-19 Pandemic on the Tour Operator Market—The Case of Slovakia

2022· article· en· W4303832832 sur OpenAlexvenueno aff
Ján Derco

Notice bibliographique

RevueJournal of risk and financial management · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInsurance and Financial Risk Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInsolvencyIndex (typography)Profitability indexPosition (finance)Herfindahl indexBusinessSample (material)Operator (biology)Coronavirus disease 2019 (COVID-19)Actuarial scienceEconomicsFinanceMarketingComputer science

Résumé

récupéré en direct d'OpenAlex

The aim of the research is to determine the impact of the COVID-19 pandemic (and subsequent state aid) on selected financial indicators of tour operators operating on Slovakia’s market. The article analyses the changes in the market between 2018 and 2020 (market concentration, insolvency insurance). For the purposes of describing the financial position of tour operators, the medians of selected financial indicators were processed. At the same time, a two-sample t-test was used to test the hypotheses of the medians of these indicators for tour operators with a valid insolvency protection contract and without such a contract. The Herfindahl–Hirschman index was used to quantify the impact of the pandemic on the tour operator market concentration ratio. The state aid provided prevented tour operators from going bankrupt. Based on the Herfindahl–Hirschman index, we can say that there was an increase in concentration in this market. At the same time, however, there was a decline in profitability and an increase in their Liabilities to Assets ratio. However, currently insured tour operators do not have higher values of these indicators. These data are important for the discussion on the legal regulation of the protection of tour operators against insolvency.

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)0,002
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 enseignants0,085
Score d'incertitude au seuil0,169

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0040,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,020
Tête enseignante GPT0,229
Écart entre enseignants0,209 · 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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial management→Même sujetInsurance and Financial Risk Management→Travaux en français237 207→