Impact of the COVID-19 Pandemic on the Airline Industry : Comparison of Actual and Expected Losses
Notice bibliographique
Résumé
Since the day COVID-19 was declared a pandemic many companies in various industries all over the world have been affected by this fact. While some businesses have extracted profit from this situation, the airline industry, and, in particular, its passenger transportation sector, as a whole have suffered major losses due to the pandemic. As of 2022, while there have been some works published on the topic of COVID-19 and airlines, there is still not enough literature available to fully understand and evaluate the effect the pandemic had or still has on commercial airlines. Thus, this work will expand the available knowledge of this subject. Using the data from OpenSky, FlightRadar24 and Yahoo Finance we check the changes in air traffic in different parts of the world over the years, as well as how specific commercial airlines have been affected by the pandemic from the initial periods to the current moment when the majority of the counties have removed COVID-19 restrictions. As a result of our analysis, several facts have been established, such as that even in the 3rd quarter of 2022, the majority of the airlines still experience the lingering effects of the pandemic and cannot operate on the same scale, they have done before, while some small number of the commercial airlines have financially benefitted from the COVID-19 in regards of their stock prices and managed to hold this advantage till the current year.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 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 ».