MétaCan
Menu
Retour à la cohorte
Enregistrement W2498779169

Approvisionnement du marché alimentaire québécois : des stratégies gagnantes

2016· preprint· fr· W2498779169 sur OpenAlexaboutno aff
JoAnne Labrecque, Raymond Dupuis, Maurice Doyon, Jean‐Claude Dufour

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2016
Typepreprint
Languefr
DomaineBusiness, Management and Accounting
ThématiqueWine Industry and Tourism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Addendum en date du 2 juin 2016 au document APPROVISIONNEMENT DU MARCHÉ QUÉBÉCOIS : DES STRATÉGIES GAGNANTES À la page 26, dernier paragraphe de la section Section 4.1.1 :Remplacer : « Le groupe envisage de déménager celui-ci vers Varennes et d’y installer du même coup son siège social. » Par : « Le groupe envisage de déménager celui-ci vers Varennes. »RésuméL’analyse des données existantes situe la demande de biens et services alimentaires et de boissons au Québec à 39, 9 milliards de dollars pour l’année 2013. Dans un marché ouvert, où les producteurs et les transformateurs québécois concurrencent directement avec ceux d’autres pays pour accéder aux tablettes des distributeurs-détaillants, il est impératif d’avoir une bonne connaissance de la chaîne d’approvisionnement, des grands réseaux de distribution alimentaire et des tendances dans les pratiques commerciales pour garantir, voire augmenter, la part des achats d’aliments québécois dans la chaîne d’approvisionnement. Dans cette perspective, le CIRANO a réalisé une étude pour actualiser les connaissances sur les enjeux de l’approvisionnement dans les réseaux de distribution alimentaire au détail au Québec et suggérer des pistes d’actions potentielles, dont la création d’une plateforme de commerce électronique permettant de saisir l’opportunité pour les fournisseurs-grossistes de créer un lien direct avec le consommateur et de récupérer, surtout pour ceux de taille moyenne et modeste, un pouvoir de négociation vis-à-vis les distributeurs-détaillants.

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)0,006
score de la tête « metaresearch » (Gemma)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,083
Score d'incertitude au seuil0,433

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0110,004
Communication savante0,0130,004
Science ouverte0,0020,004
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0270,003

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 Opus0,031
Tête enseignante GPT0,271
Écart entre enseignants0,240 · 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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetWine Industry and TourismTravaux en français237 207