MétaCan
Menu
Retour à la cohorte
Enregistrement W1997784883 · doi:10.1016/j.wep.2014.02.001

What makes Napa Napa? The roots of success in the wine industry

2014· article· en· W1997784883 sur OpenAlexafffund
Anil Hira, Tim B. Swartz

Notice bibliographique

RevueWine Economics and Policy · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueWine Industry and Tourism
Établissements canadiensActuaSimon Fraser University
Organismes subventionnairesSimon Fraser UniversityGenome British ColumbiaGenome Canada
Mots-clésNAPAWineTerroirBusinessMarketingEconomic geographyEconomicsFood science

Résumé

récupéré en direct d'OpenAlex

California is world-renowned for the ability to produce world class quality wine. At the center of this achievement is the development of Napa as a premier wine producing region. We examine the sources of Napa’s success by testing factors from leading industrial location theories against statistical and qualitative evidence. Using an unusual database of county-wide data on the wine industry to compare Napa’s success with other wine-producing regions of California, we can control for different historical factors and economic conditions that temper most comparative wine studies. Many regions in California can produce world class wine, but none enjoy the same level of returns as Napa. Path dependency and distance to markets are poor explanations for the relative success of wine regions. We find that while terroir, or natural comparative advantage, has some evidence behind it, social capital and entrepreneurship behind technological leadership are central to Napa’s competitive advantage.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,587
Score d'incertitude au seuil0,381

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
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 Opus0,014
Tête enseignante GPT0,234
Écart entre enseignants0,220 · 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'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

Citations33
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWine Economics and PolicyMême sujetWine Industry and TourismTravaux en français237 207