MétaCan
Menu
Retour à la cohorte
Enregistrement W2104867366 · doi:10.1080/08985620210144983

Globalization, competitive advantages and the evolution of production systems: rural food processing and localized agri-food systems in Latin-American countries

2003· article· en· W2104867366 sur OpenAlexaff
Denis Réquier-Desjardins, François Boucher, Claire Cerdán

Notice bibliographique

RevueEntrepreneurship and Regional Development · 2003
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRegional Development and Innovation
Établissements canadiensDesjardins
Organismes subventionnairesDepartamento Administrativo de Ciencia, Tecnología e Innovación (COLCIENCIAS)
Mots-clésFood systemsFood processingCommodityLatin AmericansBusinessProduction (economics)GlobalizationIndustrial organizationOrder (exchange)Economic geographyCompetitive advantageCollective actionFood marketEconomicsInternational tradeFood securityMarketingAgricultureMarket economyGeographyPolitical scienceMicroeconomics

Résumé

récupéré en direct d'OpenAlex

This paper reviews the rise of geographic concentrations of small food-processing units in rural areas of Latin America, in order to show that, drawing on the literature on the development of clusters, they may represent a type of local productive system, namely Local Agri-food Systems. Furthermore it assesses whether they might compete efficiently in global food commodity chains. In this regard it analyses the specific assets of these systems, drawing on some specific cases, and stresses the conditions that can enable them to compete on national or even global markets in the supply of processed products. These conditions appear to be a capacity for collective action which, in this particular case, will be enhanced by qualification processes of the products creating common assets for the actors involved. These elements could provide a rationale as regards the categorization of clusters according to their efficiency. Actually, although they won't be able to achieve competitive efficiency in every case, some might, and it remains useful to set up a research programme on their trajectories of development.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0020,007
Communication savante0,0050,003
Science ouverte0,0000,002
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,015
Tête enseignante GPT0,246
Écart entre enseignants0,230 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations82
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEntrepreneurship and Regional DevelopmentMême sujetRegional Development and InnovationTravaux en français237 207