The corona pandemic and its impact on the economic development of the Baltic Sea region in 2020
Notice bibliographique
Résumé
This year, the GDP of the ten coastal countries in the Baltic Sea region is set to decrease slightly more than the GDP of the world’s advanced economies on average. The decline in GDP in the Baltic Sea region will be about 7%. The 10% decline in Germany’s GDP in the second quarter is a cause for concern, as Germany accounts for almost 15% of the foreign trade of the other countries in the Baltic Sea region. The fall in oil prices, on the other hand, will hinder the economies of Norway and Russia, while cheaper import energy will provide the other coastal countries in the Baltic Sea region with some relief from the decline in their gross domestic product. The decline in economic growth is already reflected in rising unemployment figures. When increased unemployment is combined with the stress and mental fatigue caused by the pandemic, the risk of increased social unrest grows. Social pressure in the Baltic Sea countries is set to increase the most in Sweden, where a more difficult coronavirus situation than in the rest of the Baltic Sea region, combined with the country’s high youth unemployment rate (almost 30%) and large share of foreign-born population (almost 20%), could result in immigrant-related unrest. Concern has also been raised across the Baltic Sea region regarding the growing number of crimes against persons with foreign backgrounds by extremist movements. Although there is enormous uncertainty concerning the pandemic and its socio-economic impact, it is certain that the world will not return back to what it was even after the corona pandemic has been overcome.
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 | 0,001 | 0,002 |
| 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 | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».