Evaluating the Russian Forest Sector: Market Orientation and Its Characteristics
Notice bibliographique
Résumé
This paper deals with the analysis of data coming from the RUSCOMP database. The purpose of this analysis is to identify those characteristics of Russian forestry firms that are perceived to be important for a firms market orientation. The two orientations of particular interest are market-focused orientation, where the firm is responsive to its markets needs, and planned economy orientation, where the firm relies on non-market relationships. \n \nAnalysis was conducted using two methods, discriminant analysis and rough sets methodology. Both methods attempt to discover relationships in data that includes observations divided into homogeneous classes described by a set of attributes. Discriminant analysis proved less successful in describing the data, with only 41% of the cases being correctly classified. Rough set analysis provided better results and when applied to a dataset described by a reduced set of the attributes, it correctly evaluated 52% of the cases. The paper describes how a reduced set of the attributes was derived and also evaluates different possible options of such a reduction. In the last stage of the evaluation, decision rules with appropriate characteristics were generated and subsequently analyzed in order to extract knowledge statements allowing for the identification of the factors that contribute to a forestry fir market orientation. \n \nIn summary, the analysis indicated that market-oriented firms rely on cash-based transactions to acquire their raw materials and do not experience significant supply problems. They also export a large portion of their finished goods. They are being paid for their services, as opposed to receiving barter credits, and engage in formal arrangements. In their business dealings these firms are avoiding a reliance on relationships in favor of the market-based mechanisms. \n \nIn contrast, planned economy firms often rely on barter. They experience problems with timber supply that are most likely related to cash flow problems. Their primary market is a domestic one, where it is easier to engage in informal arrangements based on relationships.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».