MétaCan
Menu
Retour à la cohorte
Enregistrement W3010969360 · doi:10.1002/essoar.10500819.1

Sustainable Research on World Potassium Resource Trade Based on Complex Network Theory

2019· article· en· W3010969360 sur OpenAlex
Rui Kong, Mingyue Wang

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueExtraction and Separation Processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInternational tradeResource (disambiguation)Distribution (mathematics)Trade barrierFree tradeBusinessOrder (exchange)International economicsEconomicsComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

As a national strategic resource, trade activities of potassium resources(K) have changed its state of ownership. Futures and spot trading forms in the international market are mainly primary processed ore and deep-processed products. So, K trade can be replaced by the potassium salt trade. Its international trade will affect a country’s strategic resource management, and increase national resource security risks. Thence, it is necessary to study the evolution of international trade in K. This paper has constructed a weighted and directed complex network model of K trade using UN Comtrade 2000-2016 data and analyzed the scale and activity of international trade of K, trade relations, trade flow distribution and the importance of countries. By analyzing the international trade data of K in 224 countries, it is found that trade is active year by year and K is becoming more significant. From network density and diameter, resource allocation is more convenient. The network cluster is growing. It shows that some countries form trade groups. The correlation coefficient of degrees is less than 0, indicating that the trade relationship between small and major trade countries is enhancing. And, the reciprocal coefficient is between 0.1 and 0.35, showing that the trade order is poor. Moreover, it presents a state that the greater the country’s degree, the smaller the difference in trade flow distribution. So, resource flows in countries with more trade relations can promote a balanced distribution of K. Finally, from countries’ trade influence and hub status, Canada is a leading trade country, and the US, the Russian Federation, China and Brazil are trade-led countries. They are the main source of K flows. China, the Netherlands, the US, France and India are important hubs. So, countries should strengthen bilateral trade relations. So as to ensure the SD of international trade in K, major trading countries should focus on the exploit of K and improve the level of production and processing tech. Countries should also enhance their hub role to facilitate the flow of K. China, as a large country in agriculture and K demand, should increase self-sufficiency to reduce import dependence risks. Besides, attention should be paid to market changes in major trading countries and to reducing risks by adding the number of trade countries.

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.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,807
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,047
Tête enseignante GPT0,318
Écart entre enseignants0,271 · 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

En bref

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetExtraction and Separation ProcessesTravaux en français237 207