MétaCan
Menu
Retour à la cohorte
Enregistrement W2959183829 · doi:10.5430/rwe.v10n2p30

Identifying the Challenges of the Sarawak Malay Terubok Ikan Masin (Salted Fish) Entrepreneur: Qualitative Study

2019· article· en· W2959183829 sur OpenAlexvenueno aff
Jati Kasuma, Niena Nurul Farhana, Hazami Mohammad Kamaruddin, Muhamad Saufi Che Rusuli, Yusman Yacob

Notice bibliographique

RevueResearch in World Economy · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIslamic Finance and Banking Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMalayTourismBusinessFish <Actinopterygii>Qualitative researchMarketingFisheryGeographySociologySocial scienceBiology

Résumé

récupéré en direct d'OpenAlex

Sarawak Malay entrepreneur of terubuk ikan masin has become one of the successful entrepreneurs in the entrepreneurial field. Even though the number of the entrepreneurs are still small, but the Sarawak Malay entrepreneur of terubuk ikan masin become one of the main contributor to the state tourism activities. Hence, those entrepreneurs still have to face a lot of challenges and obstacles in the business. Thus, this research aims are to identify the challenges faced and the framework with regards to the challenges faced by the Sarawak Malay entrepreneur of terubuk ikan masin. Using qualitative study to understand the challenges that they are faced in line with this business and finding shows the challenges they faced both personally and in business itself during the various stages of business development are location not strategic, economy problem, lack of business knowledge and financial support. Moreover, Sarawak Malay entrepreneur terubuk ikan masin also plays an important role in economic development and income growth because terubuk ikan masin is one of the best products in Sarawak besides multilayer cake. Terubuk ikan masin gives contribution especially in eco-tourism. Hence, these terubuk ikan masin are important estuarine fishes, both commercially and culturally in many Asian countries, including Malaysia. The information that generated from this research will be useful for further studies not only for the future researcher but also for sustainable on commercial fish.

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)0,003
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 enseignants0,194
Score d'incertitude au seuil0,379

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
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 Opus0,101
Tête enseignante GPT0,361
Écart entre enseignants0,260 · 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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch in World EconomyMême sujetIslamic Finance and Banking StudiesTravaux en français237 207