MétaCan
Menu
Retour à la cohorte
Enregistrement W1781132272 · doi:10.1111/basr.12037

<scp>F</scp>air <scp>T</scp>rade Awareness and Engagement: A Coffee Farmer's Perspective

2014· article· en· W1781132272 sur OpenAlexaff
Andrew H. T. Fergus, Adina Gray

Notice bibliographique

RevueBusiness and Society Review · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal trade, sustainability, and social impact
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésPerspective (graphical)Welfare economicsEconomicsHumanities

Résumé

récupéré en direct d'OpenAlex

Abstract As one of the world's most traded commodities, coffee has been criticized for its contribution to environmental degradation, social injustice, and economic disparities between the producing regions of the G lobal S outh and consuming countries of the Global North. However, the Fair Trade concept is promising to change this through the establishment of a trading system where producers, importers, and processors form a more direct network characterized by an established set of ethical principles and practices deemed as “fair.” While the transformational benefits of Fair Trade at the producer level have been examined in several impact studies, the farmers' low awareness and understanding of F air T rade concepts, principles, markets, and customers represent an issue of concern. Among the many benefits associated with increased F air T rade awareness is greater participation in F air T rade governance bodies and the long‐term viability of the market itself. This research looks at F air T rade from the perspective of farmers and their cooperative and uses the case of C ooperativa A graria C afetalera P angoa, P eru, to examine how F air T rade awareness (defined as knowledge of different areas of F air T rade) is understood at the producer level. We then develop a three‐level F air T rade awareness M odel that illustrates both the existing and desired levels of understanding with regard to F air T rade awareness.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,432
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
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 GPT0,274
Écart entre enseignants0,248 · 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.

Devis d'étudeSans objet
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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBusiness and Society ReviewMême sujetGlobal trade, sustainability, and social impactTravaux en français237 207