MétaCan
Menu
Retour à la cohorte
Enregistrement W2026954500 · doi:10.1111/1746-692x.12073

European Wine Exports: The Key Role of Trade Policy

2014· article· en· W2026954500 sur OpenAlexaboutno aff
Angela Mariani, Francesco Napoletano, Riccardo Vecchio, Eugenio Pomarici

Notice bibliographique

RevueEuroChoices · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueWine Industry and Tourism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCompetitor analysisWineInternational tradeEuropean unionBusinessNegotiationTariffChinaMarket accessMultilateral trade negotiationsCommercial policyInternational economicsEconomicsPolitical scienceGeographyAgriculture

Résumé

récupéré en direct d'OpenAlex

Summary Wine exports from the European Union have gained shares in both traditional markets ( US , Canada, Switzerland and Japan) and in new markets (China, Hong Kong and Russia). In coming years, major growth in consumption and imports is expected in these new markets and in others, like Singapore, South Korea, India, Brazil, Mexico, South Africa and Angola. Most of the above new markets, however, are still heavily protected by high tariff and non‐tariff barriers, the most intrusive being wine labelling regulations, oenological practices, maximum residue limits of agrichemicals, certification and testing procedures. Since the stalling of the Doha multilateral negotiations exporting countries have been negotiating Free Trade Agreements to gain preferential access to fast growing markets. The EU has signed several agreements relevant to the wine trade (e.g. with South Korea, Singapore and Canada) and a number of negotiations are currently in progress. However, some of the EU 's main competitors, in particular Chile, Australia and New Zealand, are very active as well. EU wine exporters would therefore be aided by an effective trade policy strategy, otherwise they risk losing ground to their competitors. The timely conclusion of the agreements currently under negotiation (as with India) and a prompt start to negotiations with China would therefore be desirable.

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,658
Score d'incertitude au seuil0,319

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 Opus0,011
Tête enseignante GPT0,207
Écart entre enseignants0,196 · 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

Citations6
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuroChoicesMême sujetWine Industry and TourismTravaux en français237 207