MétaCan
Menu
Retour à la cohorte
Enregistrement W1678998030 · doi:10.3968/j.css.1923669720130903.9719

Assessment of Operational Efficiency Among Wholesalers and Retailers of Vegetables in Igalaland of Kogi State, Nigeria

2013· article· en· W1678998030 sur OpenAlexvenueno aff
Elijah E. Ogbadu

Notice bibliographique

RevueCanadian social science · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Agroindustry Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOperational efficiencyCommodityBusinessConsumption (sociology)Distribution (mathematics)Production (economics)Margin (machine learning)Agricultural economicsState (computer science)Value (mathematics)Environmental economicsAgricultural scienceMarketingOperations managementEconomicsComputer scienceFinanceMicroeconomicsStatisticsMathematicsEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Assessment of operational efficiency among wholesales and retailers is one of the many measures of market performance. The costs of operations are heightening by cost of transportation on the bad roads. Vegetables are perishable products and needs to be distributed as quickly as possible. The objective of the study is to assess the operational efficiency of vegetable distribution in Igala land of Kogi State. The wholesalers and retailers of vegetables from each of the three main markets of the commodity were randomly selected for the study. Analysis of data collected by use of questionnaire was accomplished through employing analytical models such as relative operational efficiency, operational efficiency coefficient, marketing margin and multiple regressions. Results showed that operational efficiency varied among the two classes of middlemen in the three markets and was significantly affected by experience, speed of distribution and total value of sales. Better results can be achieved if production and consumption are stimulated through efficient distribution system.

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 enseignants0,083
Score d'incertitude au seuil0,976

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
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 Opus0,009
Tête enseignante GPT0,210
Écart entre enseignants0,201 · 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian social scienceMême sujetAgriculture and Agroindustry StudiesTravaux en français237 207