MétaCan
Menu
Retour à la cohorte
Enregistrement W4382238038 · doi:10.17141/iconos.76.2023.5544

Recambio de ingresos y comercio informal durante la pandemia de la covid-19 en Huancayo, Perú

2023· article· es· W4382238038 sur OpenAlexaff
Patrick Clark, Aparicio Chanca Flores, Susan Vincent

Notice bibliographique

RevueÍconos - Revista de Ciencias Sociales · 2023
Typearticle
Languees
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceCoronavirus disease 2019 (COVID-19)PhilosophyMedicine

Résumé

récupéré en direct d'OpenAlex

Este artículo constituye un aporte empírico sobre la correlación entre la informalidad económica y la pandemia de la covid-19 en Perú. Con base en entrevistas a comerciantes del sector informal de la ciudad de Huancayo, se analizan los impactos pandémicos en relación con sus ingresos y medios de vida y se sostiene que el empleo informal tuvo una gran repercusión en los trágicos indicadores de salud pública en el país. La flexibilidad intrínseca de este tipo de actividades, puntualmente para el comercio ambulatorio, y la falta de acceso a sistemas y esquemas de protección social fueron las principales razones por las que las personas emprendían en este sector para reemplazar los ingresos que perdieron debido al confinamiento. Así, se introduce la noción “recambio de ingresos” en la economía durante la pandemia. La heterogeneidad entre quienes realizan labores informales, específicamente en el acceso a diferentes tipos de recursos, permitió tales emprendimientos y facilitó que algunas personas controlen su posible exposición al virus. Se concluye que en el enfoque de la formalización económica de las últimas décadas de liberalización financiera no se consideran las ventajas que las actividades informales ofrecen frente a la formalización. De hecho, la informalidad sigue brindando la mejor oportunidad de ingresos inmediatos y opciones altamente flexibles, en particular para adaptarse a situaciones de crisis como la pandemia.

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)0,011
score de la tête « metaresearch » (Gemma)0,019
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,539
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,067
Tête enseignante GPT0,332
Écart entre enseignants0,266 · 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.

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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueÍconos - Revista de Ciencias SocialesMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207