MétaCan
Menu
Retour à la cohorte
Enregistrement W1591963824 · doi:10.15376/biores.6.4.4895-4908

Thirty-nine years of U.S. wood furniture importing: Sources and products

2011· article· en· W1591963824 sur OpenAlexaboutno aff
William G. Luppolda, Matthew Bumgardner

Notice bibliographique

RevueBioResources · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueWine Industry and Tourism
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of California, DavisU.S. Department of AgricultureU.S. Forest ServiceInternational Trade AdministrationU.S. Department of Commerce
Mots-clésLiberian dollarChinaAgricultural economicsBusinessFurniture industryWood industryCommerceGeographyEconomicsForestryFinanceArchaeology

Résumé

récupéré en direct d'OpenAlex

In this study we analyze changes in United States imports of wood furniture over the 39-year period from 1972 to 2010. In 1972, Canada and the former Yugoslavia were the most important sources of imported wood furniture, and Europe accounted for nearly 60 percent of total imports. Shipments of low-cost wood furniture from Taiwan started to increase in the 1970s, and by 1978, Taiwan was the most important source of imported wood furniture. Overall, low-cost sources in Asia displaced Europe in 1987. Taiwan continued to be the most important source until 1994. Canada became the most important source of imported wood furniture from 1994 to 2000 as the Canadian dollar declined in value against the United States dollar. In 2001, China became the most important source of wood furniture imports. More recently furniture imports from an emerging source, Vietnam, have increased dramatically. One reason why Asian manufacturers have been so successful in the U.S. market has been that furniture consumers were influenced mainly by price. By contrast, success in some segments of the U.S.-based furniture industry indicates that models enabling consumers to make styling and pricing decisions also can be competitive.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,417
Score d'incertitude au seuil0,479

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,198
Écart entre enseignants0,172 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioResourcesMême sujetWine Industry and TourismTravaux en français237 207