MétaCan
Menu
Retour à la cohorte
Enregistrement W2994404952 · doi:10.5539/jpl.v13n1p1

Sri Lanka’s Tea Economy: Issues and Strategies

2019· article· en· W2994404952 sur OpenAlexvenueno aff
Mohamed Ismail Mujahid Hilal

Notice bibliographique

RevueJournal of Politics and Law · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Trade and Competitiveness
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessContext (archaeology)Sri lankaProduction (economics)Government (linguistics)ProductivityCompetition (biology)Value (mathematics)Position (finance)Agricultural economicsEconomicsEconomic growthGeographyTanzaniaSocioeconomics

Résumé

récupéré en direct d'OpenAlex

While the competitiveness of the Sri Lanka’s tea is declining in the global market, it is very important for Sri Lankan tea to evidently identify the reasons for declining competitiveness and how Sri Lanka can face this challenge fulfilling the demand of global market. The Sri Lankan tea industry has lost its market leadership position in the global market. With declining production, increasing cost of production, low farm productivity and price competition in the international market, Sri Lankan tea industry has lost its competitive advantage. Secondary data and primary data have been used for this study. 53 interviews have been conducted for this study in Sri Lanka and in India. Despite the fact that Sri Lanka is one of the major producers of tea, the local tea industry does not earn enough to be viable. Global consumers are paying more than ten times the price received by the Sri Lankan producers. The value addition is taking place in the consuming countries and the economic benefits of higher price for value added tea products go to the consuming countries. In this context the viability of the Sri Lankan tea industry makes it imperative to adopt production of value-added tea products, promoting local brands in the global market and marketing the products in the international market. The government should also provide further supports to this tea industry to be uplifted in the country.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0050,004
Communication savante0,0150,005
Science ouverte0,0020,005
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0140,002

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 Opus0,013
Tête enseignante GPT0,234
Écart entre enseignants0,221 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations14
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Politics and LawMême sujetGlobal Trade and CompetitivenessTravaux en français237 207