Differences In Financial Performance And Earning Persistence Before And During The Covid-19 Pandemi
Notice bibliographique
Résumé
The Covid-19 pandemic which has been going on since the beginning of 2020 has had an impact on changes in social life and a decline in economic performance in various countries in the world that have been affected by Covid-19. The decline in Indonesia's economic performance has occurred since the first quarter of 2020, which is reflected in the rate of economic growth in the first quarter of 2020 which only reached 2.97 percent, and again decreased significantly in the second quarter of 2020 which grew -5.32% (Central Statistics Agency, 2021a; Central Bureau of Statistics, 2021b). The results of a pandemic impact survey conducted by the Central Statistics Agency (BPS) on 34,559 business actors revealed that 82.55 percent of business actors surveyed experienced a decrease in income. This is because Covid 19 has had an impact on company productivity. However, there are several companies that claim that their income has not been affected by the pandemic, and there are even a small number of companies that claim that their income has increased during the pandemic. With conditions that are increasingly declining as described above, the company experiences profit gains with fluctuating fluctuations as a result of the process of supply and demand as well as unequal expenses and income. Economic growth declined until it was followed by an economic contraction, such a phenomenon could affect the persistence of profits and company performance.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».