THE IMPACTS OF COVID-19 ON THE PERFORMANCE OF BRAZILIAN FRANCHISING
Notice bibliographique
Résumé
The Brazilian franchise system has growth projections and has become an increasingly interesting option for those who want to open their own business (ABF, 2020, ORTEGA ET. AL, 2016). However, with the outbreak of Covid-19, this scenario has changed and the consequences of the pandemic for this market are not known. Therefore, this article aimed to analyze how the impacts of Covid-19 and its consequent social isolation measures affected the performance of the Brazilian franchising market. For this, a diagnostic and comparative analysis of data was carried out, with a descriptive and analytical approach, based on documents research. We analyzed 19 performance reports from the 1st quarter of 2019 to the 1st quarter of 2022, prepared by ABF and available on its website so far. The results point to a large variation in performance during the period, with the 2nd quarter of 2020 being the most affected. The franchise market, however, proved to be resistant, innovative and adaptive, resulting in the total resumption of this system in the 4th quarter of 2021, even surpassing the numbers of 2019. Also noteworthy is the variation between segments, some maintained growth expectations such as Home and construction and Health, beauty and well-being, others were strongly affected such as Hotel and tourism services and Entertainment and leisure, however, there is a gradual pace of recovery in these sectors.
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 | 0,006 | 0,009 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».