MétaCan
Menu
Retour à la cohorte
Enregistrement W2785582458 · doi:10.15544/rd.2017.116

CETA AND ITALIAN AGRI-FOOD PRODUCTS: AN ANALYSIS ON COMPARED ADVANTAGES OF THE MAIN ITALIAN AGRI-FOOD SECTORS

2018· article· en· W2785582458 sur OpenAlexaboutno aff
Daniele Bertolozzi-Caredio, Asta Raupelienė

Notice bibliographique

RevueProccedings of International Scientific Conference "RURAL DEVELOPMENT 2017" · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Trade and Competitiveness
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEuropean unionBusinessProduct (mathematics)Comparative advantageInternational tradeDisadvantageRevealed comparative advantageCompetitive advantageLiberalizationFree tradeAgricultural economicsInternational economicsCommerceEconomicsMarketingMarket economyComputer science

Résumé

récupéré en direct d'OpenAlex

At the age of second-generation agreements, the European Union is going to achieve a number of new trade deals, as well as others country, first of all the Comprehensive Economic and Trade Agreement treated with Canada. A significant part of the debating about CETA is focused on the real need or not to reach new deal and add more liberalization, in particular regarding the Agri-food goods. EU, and above all Italy, can boast a number of excellent export Agri-food processed product, such as wine, cheese and pasta; at the same time, Italy has a need of primary goods, like wheat. Revealed Competitive Advantage is an indicator of the importance of a specific product and, specifically, it’s used to identify the advantage or disadvantage of a trade flow. Some of the main Italian products exported in Canada have been analysed, just like the main imported product from Canada, the wheat; as opposed to EU-28 import of Durum wheat, the other trades have showed a comparative advantage in trade. Finally, in three cases, Italy proves greater advantages in respect with the EU.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,982
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0060,009
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,032
Tête enseignante GPT0,244
Écart entre enseignants0,212 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProccedings of International Scientific Conference "RURAL DEVELOPMENT 2017"Même sujetGlobal Trade and CompetitivenessTravaux en français237 207