Sources of Growth and Spatial Concentration of Coconut Crop in the State of Pará, Brazilian Amazon
Notice bibliographique
Résumé
The State of Pará contributes to approximately 10.10% of the Brazilian production of coconut (Cocos nucifera L.). It is an important center of production for the crop, mainly due to some factors such as its edaphoclimatic conditions that are favorable for the plant development, the availability of rural credit and the presence of business groups with expertise on the activity and agro industrial processing. This survey used data from Instituto Brasileiro de Geografia e Estatística (IBGE) (2018) to make an analysis of the activity in the state between 1974 and 2016, evaluating by the Shift-Share Analysis the sources of production growth, harvested area and productivity. Furthermore, the study also analyses the evolution of coconut prices, concentration and specialization of some micro regions of the State in coconut crop production using the Locational Gini Coefficient and Location Quotient. The main results show an expressive increase in coconut production in the state of Pará economy since the 1980s, showing that between 1974 and 2016 the production increased by 9.41% per year, the harvested area 7.88% p.a. and productivity 1.42% p.a. It is also possible to observe an expressive concentration and specialization of the activity in the Micro region of Tomé-Açu, responsible for 57.40% of the state production.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».