MétaCan
Menu
Retour à la cohorte
Enregistrement W2102848384 · doi:10.17722/ijrbt.v4i2.240

Evaluating Container Ship Routes: A Case For Choosing Between The Panama Canal And The U.S. Land Bridge

2014· article· en· W2102848384 sur OpenAlexvenueno aff
Robert Frank Cope, Rachelle F. Cope, John M. Woosley

Notice bibliographique

RevueInternational Journal of Research in Business and Technology · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueTransport and Economic Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContainer (type theory)Bridge (graph theory)Panama canalLand bridgePanamaComputer scienceEnvironmental scienceMarine engineeringCivil engineeringOperations researchMeteorologyEngineeringWater resource managementGeographyComputer security

Résumé

récupéré en direct d'OpenAlex

For container traffic from the Far East to Europe, shipping routes and transportation choices are about to be taken to a new competitive level. Ship sizes have increased through time, yet the Panama Canal has remained unchanged, struggling to keep pace with larger size traffic. Over that same time span, more logistical pressure has been placed on the U.S. as a land bridge for container traffic from Asia to Europe. However, the canal is set to open new locks to accommodate today’s biggest container ships, creating more choices for container traffic to many eastern Atlantic ports. In our work, we investigate choices for container ship transportation from the eastern Pacific to the western Atlantic based solely on time. Choices include traveling through the Panama Canal or using the U.S. as a land bridge (via truck and rail car). A breakeven methodology, given vessel size, is employed to discriminate between paths. Implications for decision-making are then presented and discussed. Interested parties of our work might include those investigating multi-modal integration opportunities, those seeking transportation efficiencies in water, truck and rail, and students as a case assignment in Transportation and Logistics courses.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,091
Score d'incertitude au seuil0,889

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,103
Tête enseignante GPT0,378
Écart entre enseignants0,275 · 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

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Research in Business and TechnologyMême sujetTransport and Economic PoliciesTravaux en français237 207