MétaCan
Menu
Retour à la cohorte
Enregistrement W2983780367

Konkurranseevne for norsk oppdrettslaks: Kostnader og kostnadsdrivere i Norge og konkurrentland

2019· article· no· W2983780367 sur OpenAlexaboutno aff
Audun Iversen, Øystein Hermansen, Ragnar Nystøyl, Knut Henrik Rolland, Lars Daniel Garshol

Notice bibliographique

RevueDuo Research Archive (University of Oslo) · 2019
Typearticle
Langueno
DomaineSocial Sciences
ThématiqueCultural Industries and Urban Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Denne rapporten viser og diskuterer utviklingen i kostnadene for produksjon av laks, samt drivkreftene bak utviklingen, både i Norge og i de viktigste konkurrentlandene. Kostnadene i Norge fortsetter å øke, men i mindre grad enn de siste årene. Kostnadene i konkurrentland øker også. Norske produsenter er blant de mest effektive, men Chile har nå kommet tilbake i posisjon som det mest effektive produsentland, mens Færøyene har fått svekket sin kostnadsposisjon. Drivkreftene bak denne økningen er de samme som i Norge, men med litt ulik styrke i de forskjellige land. Chile har hatt en betydelig bedring i de biologiske resultatene, noe som viser igjen i kostnadene. Færøyene har tapt noe terreng etter å ha fått større utfordringer med lus og sykdom. Skottland og Canada har de høyeste kostnadene, men mens økningen har vært moderat i Canada de siste årene, har den vært veldig stor i Skottland.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,243
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
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 Opus0,072
Tête enseignante GPT0,306
Écart entre enseignants0,234 · 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'étudeSans objet
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 revueDuo Research Archive (University of Oslo)Même sujetCultural Industries and Urban DevelopmentTravaux en français237 207