MétaCan
Menu
Retour à la cohorte
Enregistrement W2213635755

Growth and instability in indian frozen scampi export

2012· article· en· W2213635755 sur OpenAlexaboutno aff
P. Jeyanthi, Nikita Gopal

Notice bibliographique

RevueFishery Technology · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Economics and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusiness
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Giant freshwater prawn ( Macrobrachium rosenbergii ) or scampi is an important product in the Indian seafood export basket, the predominant form being frozen scampi. An analysis of the scampi export from India for the period 1995 to 2009 is attempted in this paper. The compound growth rates, market concentration and instability indices of the Indian scampi export were analyzed. The quantity and value of frozen scampi export from India increased by 67.22 and 117% respectively over the period, largely aided by the rapid growth of aquaculture. The study concentrates on major markets viz., Belgium, Canada, Germany, Japan, Netherlands, UAE, USA and UK since more than 80% of the scampi exports from India were to these markets. Results showed low and negative growth of Indian scampi export in terms of quantity, value and unit value for the period of study. There was evidence of high market concentration of Indian scampi export to various countries. High degree of instability in Indian scampi export was revealed using Absolute difference method and Coppock’s instability index (CII). The study revealed that India’s scampi export was concentrated mainly to those countries, which is either less desirable (low growth & high risk) or least desirable (low growth & low risk) category which in turn affects the economic growth of the country. The causes for the export instability index have also been discussed.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

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

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 GPT0,202
Écart entre enseignants0,186 · 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'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

Citations11
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFishery TechnologyMême sujetAgricultural Economics and PracticesTravaux en français237 207