MEGAPROJECTS’ FINANCE IN THE POST-COVID-19 PERIOD: CASE STUDIES OF EURASIA TUNNEL AND YAVUZ SULTAN SELIM BRIDGE
Notice bibliographique
Résumé
A new coronavirus pandemic as known as the COVID-19 impacted on every aspect of daily life. The priority of the states in the second quarter of 2020 was to protect their citizens from COVID-19 outbreak due to uncontrolled spread. The study was undertaken at a time when all the world is still struggling to take the COVID-19 outbreak under control. The states took precautions to control the virus such as restriction on travelling and curfews for every citizen or age specifically. This research is focused on the COVID-19 measures adopted by the Turkish government and their effect on the case study megaprojects’ finance at operational phases. Based on these, this research provides a new set of data to the existing body of literature on megaprojects with ‘uncertainty and finance relation’ through the COVID-19’s impact. The research methodology is based on a mixed method and multiple-case study approach with two mega projects in Istanbul, Turkey (Eurasia Tunnel and Yavuz Sultan Selim Bridge) which was financed with the Build-Operate-Transfer (BOT) method. The data consists of a detailed primary source documents and secondary data. The data is collected through the official statement of public administrations, ministries, and statistic offices. This research uncovers how the COVID-19 precautions between March 11 to May 31 in Turkey affected the megaprojects’ finances at their operational phases with an exogenous factor, COVID-19 and decrease the guaranteed incomes up to 94%.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».