MétaCan
Menu
Retour à la cohorte
Enregistrement W2279351471

Comércio internacional das mangas brasileiras : análise sobre as oportunidades e distorções comerciais

2006· dissertation· pt· W2279351471 sur OpenAlexaboutno aff
Nildo Ferreira Cassundé

Notice bibliographique

Revuenon disponible
Typedissertation
Languept
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural and Food Sciences
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeographyTropical fruitCommercializationHectareAgricultural scienceAgribusinessConsumption (sociology)Agricultural economicsAgroforestryPolitical scienceHorticultureBusinessEconomicsBiologyMarketingAgricultureSociologySocial science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The region of the Lower Middle Sao Francisco River has a tropical semi-arid climate with more than 360,000 hectares of irrigable land, 120,000 of which are already irrigated, and where fruit, how the mango and grape. Thanks to privileged climate, that is an aspect competitive, the Brazil produce the fruit in diversity times of the year. The mangoes produced in the Sao Francisco Valley rank top among and Tommy Atkins, Haden, Keitt are being more and more appreciated by consumers in Europe, the USA and Canada, besides oriental people. Color, taste, aroma and general appearance of Brazilian mango are some of the relevant arguments when it comes to attracting international consumers. For consumption, the fruits can remain fresh or undergo processing that expanded commercialization opportunities. Brazil has being managed to broaden its offers and has turning an important international fruit supplier and some relevant initiatives are now under implementation: the farms engaged in the Integrated Fruit Production program (IFP) are gradually complying with the requirements of the consumer market. This study analyzed the competitive characteristics of Brazilian mango. Key-words: horticulture, agribusiness, Sao Francisco Valley, mango.

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)0,003
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 enseignants0,050
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,027
Tête enseignante GPT0,273
Écart entre enseignants0,246 · 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

Citations0
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAgricultural and Food SciencesTravaux en français237 207