MétaCan
Menu
Retour à la cohorte
Enregistrement W4410875452 · doi:10.5267/j.dsl.2025.3.011

Post-pandemic social transformation and labor trends in sellers of repowered items in the city of Huancayo, Peru

2025· article· en· W4410875452 sur OpenAlexvenueno aff
Miguel Fernando Inga-Ávila, Roberto Líder Churampi-Cangalaya, Francisca Huamán Pérez, Rubén García Huamaní, Gary Francis Rojas Hurtado, Fredy Orlando Soto Cardenas, Linda Loren Navarro-Garcia

Notice bibliographique

RevueDecision Science Letters · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTransformation (genetics)PandemicSociologyDemographic economicsCoronavirus disease 2019 (COVID-19)EconomicsMedicineBiology

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic generated significant social transformations in different sectors of society, one of the most important being the labor market. This research establishes the relationship between these transformations and employment trends among repowered item vendors in the city of Huancayo, Peru. Three key dimensions were addressed: destruction, expansion, and modification of employment. The research adopted a quantitative approach, with an exploratory, descriptive, and correlational design. Validated questionnaires were administered to a representative sample of 331 repowered item vendors. The results indicate a significant relationship between social transformation and employment trends, which is reflected in a reconfiguration of employment in this sector. A loss of job opportunities was evident; however, an expansion of employment was also observed through adaptation to new forms of marketing and the growing demand for repowered products. Likewise, changes in labor dynamics were identified, including the use of new sales strategies and the digitization of processes. In conclusion, the pandemic not only negatively affected employment in this sector, but also encouraged resilience and adaptation strategies.

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 candidatesaucune
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 enseignants0,062
Score d'incertitude au seuil0,277

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
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 Opus0,046
Tête enseignante GPT0,319
Écart entre enseignants0,273 · 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'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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDecision Science LettersMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207