MétaCan
Menu
Retour à la cohorte
Enregistrement W2567007553 · doi:10.7251/agreng1603039t

VALUE NETWORK OF THE PERSIAN LIME IN MEXICO

2016· article· en· W2567007553 sur OpenAlexaboutno aff
Ramiro MENDOZA-TORNEZ, Sergio Roberto Márquez-Berber, Gustavo Almaguer-Vargas, Jorge Aguilar Ávila, Abdul Khalil Gardezi, Alma Velia Ayala Garay

Notice bibliographique

RevueAGROFOR · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Trade and Competitiveness
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPersianLimeProduction (economics)Work (physics)Value (mathematics)Agricultural economicsGeographyBusinessEngineeringAgricultural scienceMathematicsEnvironmental scienceEconomicsBiologyStatistics

Résumé

récupéré en direct d'OpenAlex

Mexico produces the three most important types of lime: Mexican, Persian, andItalian. Persian lime (Citrus latifolia) is the second most important in planted area.Forty-six percent of the production is intended for export. The objective of thisresearch was to analyze the Persian lime value network of the packing andexporting companies. It was conducted at the main Persian lime producing area,located in the central coastal region of the Gulf of Mexico. As an average, thesampled companies were using 55% of their packing capacity. Most of them (83%)work all year long. They have been from 6 to 15 years in operation. Theyemployed a mean of 41 people, thus they are medium-size enterprises. Fourteenactors were complementing their business in production and marketing. Therelationship between packers and the small lime producing farmers was veryinequitable. Low prices were common for Persian lime producers.The fruits theywere packing came mainly from local producers (90%).Their main exportdestinations were: United States, Europe, Canada, and Japan. Other regions areincreasing Persian lime production, threatening the marketing of the farmers of thecentral coast of the Gulf of Mexico.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,011
Tête enseignante GPT0,189
Écart entre enseignants0,178 · 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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAGROFORMême sujetGlobal Trade and CompetitivenessTravaux en français237 207