MétaCan
Menu
Retour à la cohorte
Enregistrement W2184022777

Impact of the Panama Canal Expansion on Canadian Logistics

2015· article· en· W2184022777 sur OpenAlexaboutno aff
Edwin Tung-Yen Yu, S C Wirasinghe

Notice bibliographique

RevueTransportation Research Board 94th Annual MeetingTransportation Research Board · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLogistics and Infrastructure Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPanama canalPort (circuit theory)BusinessPanamaSuez canalScale (ratio)GeographyEconomyInternational tradeEconomicsEngineeringComputer scienceCartography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Panama Canal expansion project is one of the world’s largest transportation projects in recent years. The impact from this project will be a global one, as it would improve the competitiveness of routes for shipping containers between the Pacific Ocean and the Atlantic Ocean. Many works have focused on the impact of the canal expansion to the US logistics network, with little focus to Canada. This study attempts to evaluate the impact of the expansion on goods imported from Hong Kong destined for nine major Canadian cities. Specifically, routing options are modeled based on the three parameters: shipping distance, shipping time, and shipping efficiency respectively. The outcomes reveal that the expansion has little to no effect on shipping time; accessing Canada via the western ports followed by rail shipping to destination cities continues to be the preferred route. However, considering shipping efficiency, widening of the canal improves the economies of scale of shipping via the Panama Canal. Depending on the urgency associated with the commodities being shipped, cities such as Montreal and Halifax will see an increase in goods from Asia being shipped through the Panama Canal into the Port of Halifax and Port of Montreal.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,067
Score d'incertitude au seuil0,213

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,101
Tête enseignante GPT0,368
Écart entre enseignants0,268 · 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'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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Board 94th Annual MeetingTransportation Research BoardMême sujetLogistics and Infrastructure AnalysisTravaux en français237 207