MétaCan
Menu
Retour à la cohorte
Enregistrement W2912462557

Vigilancia tecnológica e inteligencia competitiva para identificar oportunidades y amenazas a la producción y exportación de productos peruanos de sacha inchi

2019· dissertation· es· W2912462557 sur OpenAlexaboutno aff
Rivera Gavidia, Yuri Waldo

Notice bibliographique

RevuePontificia Universidad Católica del Perú · 2019
Typedissertation
Languees
DomaineBusiness, Management and Accounting
ThématiqueGlobal Trade and Competitiveness
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCommercializationChinaProduct (mathematics)BusinessProduction (economics)Order (exchange)Competitive intelligenceInternational marketPolitical scienceWelfare economicsGeographyHumanitiesInternational tradeMarketingEconomicsFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A technological watch is applied to the exportable supply of Peruvian sacha inchi products in order to identify opportunities that Peru can take advantage of to improve its product offer and the detection of threats that may affect its current and favorable positioning in international markets. To perform the technological surveillance, the method proposed by Fernandez et al. (2009) was used. This is based on the processes of selective dissemination of information used by professionals in information science in academic or specialized libraries. The results revealed threats to the production of Peruvian sacha inchi as the low impact of Peruvian scientific production in generating a competitive advantage for the development of new export products, especially against China and other countries in the region such as Brazil and Colombia. It also identified the limited use of intellectual protection tools, such as patents and registered trademarks that, rather, are used by other countries such as Canada, the United States, China, and other Asian countries to ensure the commercialization of their innovative products in the most important markets of the world.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,400
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,017
Tête enseignante GPT0,249
Écart entre enseignants0,232 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePontificia Universidad Católica del PerúMême sujetGlobal Trade and CompetitivenessTravaux en français237 207