MétaCan
Menu
Retour à la cohorte
Enregistrement W2483694765 · doi:10.1057/9781137273697_8

Case Study — Brazil

2014· book-chapter· en· W2483694765 sur OpenAlexaff
K. Y. Ng Adolf, John J. Liu

Notice bibliographique

RevuePalgrave Macmillan UK eBooks · 2014
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal trade, sustainability, and social impact
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésBureaucracyPolityContext (archaeology)AgricultureGeographyPolitical scienceRegional scienceEconomyEconomicsPoliticsArchaeology

Résumé

récupéré en direct d'OpenAlex

This chapter discusses how institutional factors affected the bureaucratic and logistic roles of dry ports in Brazil focusing on its three states, namely Sao Paulo, Minas Gerais and Goias. They provided sufficient context for this purpose, with Sao Paulo being Brazil’s economic powerhouse where 25 dry ports were located, Minas Gerais had a strong presence in the agricultural and mining-metallurgical sectors, where five dry ports were located, and Goias was an agricultural state located deep inland where two dry ports were located (Figure 8.1 and Table 8.1). In this chapter, the authors investigated the evolution of the regulatory process, the roles of institutions and how changes affected the behavior of key stakeholders and the development of dry ports. By linking institutional arrangements and the roles of dry ports, it was argued that the institutional system in place — either with reference to the entire nation and polity, or to particular related arrangements regarding the setting of dry ports — acted as the environment heterogeneity in boosting the enhanced bureaucratic functions of dry ports, while paralyzing their logistical functions. These keywords were added by machine and not by the authors. This process is experimental and the keywords may be updated as the learning algorithm improves.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,096

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,029
Tête enseignante GPT0,264
Écart entre enseignants0,235 · 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'étudeQualitatif
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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePalgrave Macmillan UK eBooksMême sujetGlobal trade, sustainability, and social impactTravaux en français237 207