MétaCan
Menu
Retour à la cohorte
Enregistrement W4391586431 · doi:10.59773/ci.v3i2.41

Medidas de contención del SARS-COV2: Efectos sobre las industrias de bebidas y tabaco en México

2022· article· es· W4391586431 sur OpenAlexaff
Carlos Manuel Milanés Pérez, Nicholas P. Sisto, Pierre-Pascal Gendron

Notice bibliographique

RevueCaminos de Investigación · 2022
Typearticle
Languees
DomaineEconomics, Econometrics and Finance
ThématiqueBusiness, Innovation, and Economy
Établissements canadiensHumber Polytechnic
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

El virus de SARS-COV2 tuvo un impacto importante en la economía mexicana. Debido al alto número de contagios producidos por la pandemia, el gobierno se vio en la necesidad de tomar ciertas medidas que limitaran la propagación de esta. Entre los sectores afectados por las medidas se encontraron las industrias de las bebidas y el tabaco, las cuales ya venían siendo perjudicadas por medidas gubernamentales que tenían como objetivo disminuir el consumo de estos productos, por los problemas de salud que genera en la población. A raíz de esto, surge la pregunta de qué efectos trajo para estas industrias tales medidas durante el año de pandemia en el país. A través de un modelo autorregresivo, se encontró que el PIB sectorial durante el año 2020 fue menor que el pronosticado por el modelo, evidenciando el impacto en la disminución del consumo. El mayor impacto fue durante el segundo trimestre, y la recuperación presentada durante el tercer trimestre no fue suficiente para igualar el PIB sectorial que venían presentando ambas industrias en años anteriores

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,213
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,045
Tête enseignante GPT0,238
Écart entre enseignants0,192 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCaminos de InvestigaciónMême sujetBusiness, Innovation, and EconomyTravaux en français237 207