MétaCan
Menu
Retour à la cohorte
Enregistrement W2140293362 · doi:10.22004/ag.econ.96926

Structure, Conduct and Performance of Value Chain in Seaweed farming in India

2010· article· en· W2140293362 sur OpenAlexfundno aff
M. Krishnan, R Narayanakumar

Notice bibliographique

RevueAgEcon Search (University of Minnesota, USA) · 2010
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal trade, sustainability, and social impact
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésAgricultureLivelihoodTamilBusinessProduction (economics)Scale (ratio)Value chainTransaction costValue (mathematics)Consumption (sociology)Agricultural economicsResource (disambiguation)Natural resource economicsFisheryEconomicsMarketingGeographySupply chainEcologyMathematicsSocial scienceBiology

Résumé

récupéré en direct d'OpenAlex

Among the three types of technologies available in the fisheries sector in India, seaweed farming, initially promoted as a livelihood option, has emerged as the one area which probably has the maximum potential for up-scaling. This paper has examined the structure, conduct and performance of the value chain in seaweed farming in India inquiring into the production, institutional, marketing, social and community relationships in small-scale seaweed farming in the Ramanathapuram district of Tamil Nadu and the concept of self-help groups (SHG) as an increasingly workable option for coastal resources management. The value chain analysis of the sector has substantially proved that committed and synergistic production, marketing and institutional arrangements enabled by corporate leadership, offers considerable savings in transaction costs. The SHG model has also shown strong gender orientation in the initial years of seaweed culture in the district contributing to strong structural foundations to the movement. The seaweed sector in the coastal India has all the potential to rise from the low-income conditions normally associated with basic livelihood activities to higher levels of employment-income-consumption relationships.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,021
Tête enseignante GPT0,241
Écart entre enseignants0,219 · 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

Citations20
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgEcon Search (University of Minnesota, USA)Même sujetGlobal trade, sustainability, and social impactTravaux en français237 207