An Economic Analysis of Indian Emigrants in Saudi Arabia during COVID-19 Pandemic
Notice bibliographique
Résumé
The current pandemic of Covid-19 has not only changed the life style of billions of persons in the world but also severely disturbed their livelihood. Travel ban and business restrictions has frozen the movement of people, changed the occupational status and consumption pattern of people in almost every country. India is leading country to supply labour ( around 18 million ) in the world and top remittances receiving country globally from 2008 to 2020-21 and Saudi Arabia is third largest remittances source country in the world. The oil boom of 1970s in the Gulf countries increased the demand for unskilled and semiskilled labour. Majority of the skilled or semi-skilled labour were supplied to the Gulf countries from southern state of India like Kerala or Tamil Nadu and unskilled or semi-skilled labour had been supplied from northern states of India like Uttar Pradesh and Bihar. The migrants or the refugees in any society agonized the most during any pandemic, hence it is essential to analyze the economic impact of Indian emigrants in Saudi Arabia during the Coronavirus disease. This study is quantitative in nature and based on both primary and secondary data. The sample of 100 unskilled or semi-skilled labour were collected through a structured questionnaire. 60 samples of migrants from Uttar Pradesh and 40 samples of migrants from Bihar were collected through multi-stage sampling technique in the month of March-April 2021. The study has confirmed that remittances and earnings of the migrants had been negatively affected during COVID-19. The loss of earnings and spread of Coronavirus in their native place had a severe mental impact on the migrants. Chi square test result confirms that there is a significant difference of feeling nervous, depress and lonely across the different states of origin of the migrants.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».