MétaCan
Menu
Retour à la cohorte
Enregistrement W4378215495 · doi:10.1016/j.team.2023.05.001

Air transportation and COVID-19: A tale with three episodes

2023· article· en· W4378215495 sur OpenAlexaff
Xiaoqian Sun, Changhong Zheng, Sebastian Wandelt, Anming Zhang

Notice bibliographique

RevueTransport Economics and Management · 2023
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésStalematePandemicCoronavirus disease 2019 (COVID-19)AviationVulnerability (computing)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Shock (circulatory)AeronauticsPolitical scienceComputer scienceComputer securityEngineeringMedicineVirologyLaw

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic has highlighted the extreme vulnerability of our aviation system towards external disruptions. While there have been several earlier aviation-related crises, the impact of COVID-19 is unmatched in the history of modern aviation. Accordingly, a better understanding of the mechanisms and ramifications of this pandemic is instrumental for preparing towards future external disruptions. The contribution of our study is threefold. First, we dissect the disruptive impact of the pandemic on the scientific literature and extract the major trends and insights. Given the wide range of related venues and the extent of disruption, there have been many studies published in the last 2–3 years. Second, we perform a data-driven analysis of the full disruption cycle containing three episodes, starting with the epidemic shock early in the year 2020, over the pandemic stalemate, towards the endemic-induced recovery in the year 2022. Third, we summarize the major insights and derive a set of policy recommendations and future research directions which we consider essential on the way towards what we call pandemic-resilient aviation.

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)0,000
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,570
Score d'incertitude au seuil0,569

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
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 Opus0,126
Tête enseignante GPT0,339
Écart entre enseignants0,214 · 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'étudeThéorique ou conceptuel
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

Citations21
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransport Economics and ManagementMême sujetCOVID-19 epidemiological studiesTravaux en français237 207