MétaCan
Menu
Back to cohort
Record W4313422080 · doi:10.29228/joshas.67306

Pandemi Döneminde Hava Kargo Endüstrisi; Sektörel Bir Araştırma

2022· article· tr· W4313422080 on OpenAlexaff
Hakan RODOPLU, Ali Osman KANAT

Bibliographic record

VenueJOURNAL OF SOCIAL HUMANITIES AND ADMINISTRATIVE SCIENCES · 2022
Typearticle
Languagetr
FieldEnvironmental Science
TopicMaritime Transport Emissions and Efficiency
Canadian institutionsAir Canada
Fundersnot available
KeywordsChemistry

Abstract

fetched live from OpenAlex

ÖZET Havacılık endüstrisi geçtiğimiz dönemde tarihindeki en büyük krizlerden biriyle yüzleşmiştir.2020 yılında tüm dünyayı kapanmaya iten COVİD-19 salgını ülkelerin virüsün yayılmasını engellemek adına aldığı kapanmalar etkisiyle üretim ve tedarik zinciri sorunlarına sebep olmuştur.Birçok endüstride yaşanan krizler kırılgan olan havacılık endüstrisinde yıkıcı bir etki bırakmıştır.Havayolu sektörü daha önceden yaşanan 11 Eylül olayları, SARS pandemisi veya 2008 ekonomik krizi gibi olaylardan daha yıkıcı bir süreçten geçmiştir.Kapatılan sınırlar, seyahat kısıtlamaları ve sosyal izolasyon politikaları havacılık endüstrisini büyük bir darboğaza sokmuştur.Bu dönemde havayolu şirketleri uçakları yere indirmiş ve uçuşlarını durdurmaya veya azaltmaya gitmiştir.Yolcu taşımacılığı yapamayan havayolları masraflarını kesemediği için pandemi döneminde rekor zararlar açıklamıştır.Bu dönemde yolcu taşımacılığında yaşanan gelişmelerin aksine hava kargo endüstrisi farklı yönde gelişmeler yaşamıştır.Ülkeler tıbbi ekipman ve aşı gibi acil taşınması gereken yüklerin etkisiyle hava kargo faaliyetlerini sürdürebilmeyi sağlamıştır.Bunlara ek olarak her geçen gün gelişen e-ticaret hızlı ve güvenilir taşımacılık hizmeti sunan hava kargo sektörüne olan talebin artmasına sebep olmuştur.Yaşanan gelişmeler sayesinde hava kargo sektörü havayolu endüstrisi için zararlarını hafifletmek adına önemli bir faktör olmuştur.Bu çalışmada COVİD-19 sürecinin hava kargo endüstrisini nasıl etkilediği araştırılmıştır.Çalışmada ilk vakaların ortaya çıktığı 2019 yılından 2021 yılına kadar ki dönem ele alınmıştır.Yapılan araştırmada havacılık otoriteleri, havayolu şirketleri, havalimanı şirketleri ve uçak üreticilerinden elde edilen veriler kullanılmıştır.Yapılan araştırmada hava kargo sektörü pandemi döneminde yere indirilen uçakların etkisiyle oluşan kapasite sorunları yaşamasına rağmen gelişmeye devam ettiğini ve havayolu endüstrisi için her geçen gün daha önemli bir yer tuttuğu ortaya çıkmıştır.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.020
Threshold uncertainty score0.045

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0010.000
Science and technology studies0.0010.001
Scholarly communication0.0020.001
Open science0.0000.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0140.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.072
GPT teacher head0.303
Teacher spread0.231 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations2
Published2022
Admission routes1
Has abstractyes

Explore more

Same venueJOURNAL OF SOCIAL HUMANITIES AND ADMINISTRATIVE SCIENCESSame topicMaritime Transport Emissions and EfficiencyFrench-language works237,207