MétaCan
Menu
Retour à la cohorte
Enregistrement W2298410591 · doi:10.17159/2222-3436/2016/v19n1a3

Contract farming risks: A quantitative assessment

2016· article· en· W2298410591 sur OpenAlexaff
Arkins M Kabungo, Glenn P. Jenkins

Notice bibliographique

RevueSouth African Journal of Economic and Management Sciences · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural risk and resilience
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésAgricultureCommodityLoanBusinessExchange rateNet present valueYield (engineering)Value (mathematics)Risk managementEconomicsSupply chainSustainabilityFinanceEnvironmental economicsProduction (economics)Microeconomics

Résumé

récupéré en direct d'OpenAlex

The objective of this study is to identify the key risks facing each of the stakeholders in the export-focused paprika value chain in Zambia. Although a deterministic cost-benefit analysis indicated that this outgrower scheme would have a very satisfactory net present value (NPV), a Monte Carlo analysis using an integrated financial–economic–stakeholder model identifies a number of risk variables that could make this system unsustainable. The major risks include the variability of the real exchange rate in Zambia; the international price of paprika; and the farm yield rates. This analysis points out that irrigation systems are very important for both stabilising and increasing yields. The analysis also shows the limitations of loan financing for such outgrower arrangements when at the sector level it is difficult or even impossible to mitigate the risks from real exchange rate movements and changes in international commodity prices. This micro-level analysis shows how critical real exchange rate management policies are in achieving sustainability of such export-oriented value chains.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,635
Score d'incertitude au seuil0,205

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,044
Tête enseignante GPT0,287
Écart entre enseignants0,243 · 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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSouth African Journal of Economic and Management SciencesMême sujetAgricultural risk and resilienceTravaux en français237 207