COVID-19 and the food industry in Hungary
Notice bibliographique
Résumé
The COVID-19 pandemic has wreaked havoc on all sectors of the global and local economies. It has been widely reported that the food industry has been one of most affected sectors of the economy. However, empirical studies are yet to quantify the extent of the impact of the industry and also how the various sub-sectors of the industry have been affected. Focusing on Hungary as a case study, this paper seeks to empirically quantify the extent of the pandemic’s impact on the food industry by answering the following question: How has the COVID-19 pandemic impacted businesses in the food industry? To answer this question the study employs descriptive statistics, correlation analysis and paired samples t-test to analyse quarterly turnover data of 27 businesses sectors of the food industry for the period 2016 to 2020. The study finds no significant difference in the mean quarterly turnover of businesses during the first year of the pandemic and the previous year (t= -0.0344; df=107; p=0.731). However, a trend analysis revealed that over the past 5 years, it was only during the first year of the COVID-19 that businesses in the food industry recorded quarter-on-quarter reductions in turnover. The worse affected businesses in the food industry were enterprises involved in the retail sale of beverages in specialized stores, event catering, restaurants and mobile food service activities. Our findings suggest that while the pandemic adversely affected some enterprises in the food industry, others flourished during the first year of the pandemic.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».