MétaCan
Menu
Retour à la cohorte
Enregistrement W4328004521 · doi:10.55365/1923.x2022.20.113

Assessment of the State of the Entertainment Services Market Under Covid-19 Restrictive Measures

2022· article· en· W4328004521 sur OpenAlexvenueno aff
Bokhodir Isroilov, Bozor Tukhliev, Boburshoh Ibragimov, Mokhigul Kutbitdinova, Almaz Sandy

Notice bibliographique

RevueReview of Economics and Finance · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueBusiness and Economic Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEntertainmentBusinessEntertainment industrySupply and demandMarketingEconomicsMicroeconomicsPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

The relevance of this study lies in the fact that the growth of the entertainment services market as an industry worldwide suggests that it will continue to develop, despite the restrictive measures introduced due to the COVID-19 pandemic.The market that provides entertainment services is considered as a complex of interrelated socio-economic, legal, and organisational relations between the consumer and producers of entertainment-related services in purchase and sale.The demand and supply are crucial and topical features of this market since they enable communication between the seller and the consumer of entertainment-related services.The need for such services is directly dependent on a number of factors, such as the availability of free time, the level of solvency of residents of the country, seasonality, consumer preferences, etc.The purpose of the study is to conduct a summary analysis of the state of the entertainment services market in the conditions of the imposed anti-covid measures and to propose recommendations that can improve the performance of the main activities of the entertainment services market.The following methods were used in the study: analysis, synthesis, comparison, and economic and statistical analysis.The results obtained allow assessing the state of the entertainment services market during the period of restrictive anticovid measures and identifying those areas of activity of the entertainment services market that are currently the most promising in terms of subsequent development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,235
Score d'incertitude au seuil0,319

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,225
Écart entre enseignants0,212 · 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 tête enseignante, 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economics and FinanceMême sujetBusiness and Economic DevelopmentTravaux en français237 207