MétaCan
Menu
Retour à la cohorte
Enregistrement W2619210870 · doi:10.1504/ijeim.2017.10005358

Diffusion of cleaner production innovation in clay-fired brick sector - case study of Varanasi brick cluster in Eastern India

2017· article· en· W2619210870 sur OpenAlexaff
Nonita T. Yap, Sachin Kumar, Geeta Vaidyanathan, Prateek Sharma

Notice bibliographique

RevueInternational Journal of Entrepreneurship and Innovation Management · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueIndian Economic and Social Development
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésBrickProduction (economics)BusinessCluster (spacecraft)KilnEngineeringCivil engineeringEconomicsWaste managementComputer science

Résumé

récupéré en direct d'OpenAlex

The micro, small and medium enterprises sector is a highly vibrant and dynamic contributor to the Indian economy. Clay-fired brick making is a prominent MSME sub-sector in India that has not experienced any significant technological change. Zig-zag firing technology, a cleaner production initiative, introduced in the brick making process in the 1970s did not diffuse then, but is increasingly finding its way now after about four decades. This paper attempts to understand the factors that influence adoption of cleaner production innovation by MSME units, focusing on a specific brick making cluster in eastern India. Structured interviews were carried out in the field with 42 brick kiln owners, representing 18% of all brick kiln owners in the cluster. The results of the findings support the idea that external factors that help in creating an enabling environment and the characteristics of brick kiln entrepreneurs play an important role in the diffusion of new technology.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,484

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,000
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 Opus0,052
Tête enseignante GPT0,276
Écart entre enseignants0,224 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Entrepreneurship and Innovation ManagementMême sujetIndian Economic and Social DevelopmentTravaux en français237 207