Análise macroeconômica dos impactos da pandemia do COVID-19 no mercado imobiliário em Curitiba-PR no ano de 2020
Notice bibliographique
Résumé
The year 2020 was characterized by developments resulting from the Pandemic caused by the Corona Virus. Different sectors of the economy and different Brazilian regions reacted divergently to the Pandemic. The present work sought to analyze the macroeconomic impacts caused by the COVID-19 Pandemic on the real estate market in the city of Curitiba-PR. The economic and macroeconomic indicators GDP, IPCA, INPC, IGP-M and unemployment rate were analyzed. Such data were correlated with the number of launches and sales of properties and the value of the square meter in the city of Curitiba-PR. Through the analysis and crossing of data, it was found that both the Brazilian and Curitiba economy, as well as the real estate market, suffered fluctuations during the year 2020, showing a retraction in the first half and an increase in the second half. Brazilian Gross Domestic Product (GDP) followed the retraction and rise in the number of sales and launches in the city of Curitiba-PR. The decrease in Selic and the increase in the IGP-M, with consequent ease of credit and increase in rental prices, were in line with the ease of financing by the consumer and the growth in the number of sales and launches registered in the city. The value of the square meter registered in the capital of Paraná in 2020 was above inflation, indicative of real appreciation.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 ».