A Study on Growth and Direction of Black Pepper Trade in India-A Markov Chain Approach
Notice bibliographique
Résumé
India is the second largest producer of black pepper in the world production. The export of black pepper in India has increased from 74 crores in 1991–92 to 878 crores in 2011–12. Compound growth rate (CGR) was used for analyzing the growth in black pepper area, production, yield, export quantity, unit value and export value over the years. The results indicated that the growth rate of area, production, productivity and unit value were found higher during pre-liberalization period than post-liberalization oroverall period due to the stiff competition from different black pepper, producing countries, which lead to decline in the growth rate. The Markov chain analysis revealed that the major Indian black pepper export markets, were categorized as stable market (USA, Germany, UK, Italy, Canada and other category) based on the magnitude of transition probabilities. The data regarding country-wise export of black pepper has showed that the previousexport share retention for Indian black pepper has been high in minor importing countries (pooled under others category) (85%), followed by USA (78%), Germany (41%), Italy (33%), Canada (16%) and UK (11%). The increasing share of other countries clearly showed that the need to explore and exploit the market potential of other countries. Efforts are also needed to improve the efficiency of production to make the product acceptable and price competitive in other importing countries.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».