MétaCan
Menu
Retour à la cohorte
Enregistrement W2797449706 · doi:10.5539/jas.v10n5p384

Marketing Efficiency of Date in Khartoum State, Sudan

2018· article· en· W2797449706 sur OpenAlexvenueno aff
Abda Abdalla Emam, Wafa Abd-Alrhaim Abu-Algasim

Notice bibliographique

RevueJournal of Agricultural Science · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAfrican Botany and Ecology Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMarketingProduct (mathematics)BusinessDescriptive statisticsSimple random sampleInvestment (military)Agricultural scienceMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

The study aimed to measure the marketing efficiency of date at wholesalers in Khartoum State in the year 2013. The study depended mainly on primary data which was collected through questionnaire. About 35 of wholesaler were selected through simple random sampling. Also, secondary data was collected from sources related to topic of the study. The data was analyzed using descriptive statistics tool. Also, quantitative analysis techniques were used to calculate net marketing margins and marketing efficiency for wholesalers. The study revealed that 82.9% of wholesalers bought the product from local traders. On the other hand, about 68.6% of wholesalers sold their product to retailers. About 25.30, 33.20, 13.30 and 7.40 SG/Sack represented Gross Marketing Margins for Gondaila, Tomoda, Brakawie and Gawa, respectively. About 25.25, 6.15, -13.75 and -20.65 SG/Sack represented Net Marketing Margins for Gondaila, Tomoda, Brakawie and Gawa, respectively. The Shepherd’s Formula indicated that Gondaila, Tomoda, Brakawie and Gawa got marketing efficiency equal to 17.41, 13.09, 06.06 and 02.45, respectively. The main obstacles that facing wholesalers in marketing of date were follows: transportation cost, taxes, losses and finance. Increasing Net Marketing Margins at wholesaler’s Brakawie and Gawa in Khartoum market through reducing marketing costs (minimize economics and normal risks (balance between supply and demand beside control store pest) transportation and taxes cost items). In this efficiency activity, investment and credit services should be encouraged and provided, respectively.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,851
Score d'incertitude au seuil0,312

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,013
Tête enseignante GPT0,225
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 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetAfrican Botany and Ecology StudiesTravaux en français237 207