Cross examinations of maritime trade disruptions in Africa during COVID-19 pandemic
Notice bibliographique
Résumé
This study examined the influence of the disruption of COVID-19 on maritime shipping activities in Africa. Particular attention was paid to the variations in the performance of selected African countries in container ship calls, container throughput, and liner shipping connectivity between 2019 and 2020. Eighteen (18) African countries were selected from all the geographical regions of the continent based on data availability. Secondary data was drawn from records of maritime trade in the publications of the United Nations Conference on Trade and Development (UNCTAD) (2019, 2020, and 2021) as well as World Bank Development Indicators for the selected countries. Explorative data analysis was used to organize and present the data. Results showed that the North African region alone recorded an improved percentage of container ship calls in 2020 than in 2019. Results by individual countries showed that Ghana recorded the highest positive increase in ship calls in 2020 from her record in 2019. In addition, Morocco, recorded the highest container throughput in 2020 than the record in 2019 while all the countries exhibited a winding record of liner connectivity between the last quarter of 2019 through the last quarter of 2020. The study concluded that the disruption of maritime activity by the COVID-19 pandemic had a mixed impact on African countries’ performance. However, Africa has the potential to be more resilient to unforeseen shocks and become competitive if it is more integrated into the global supply chain and deploys modern and efficient technology and innovation to the shipping business more than it ever did.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».