MétaCan
Menu
Retour à la cohorte
Enregistrement W3123722035

Becoming a major hub in the distribution of wine: Hong Kong as a gate to Asian markets

2014· preprint· en· W3123722035 sur OpenAlexaff
Yui‐yip Lau, Adolf K. Y. Ng, David Fernández Guerrero

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2014
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueWine Industry and Tourism
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésWineBusinessDistribution (mathematics)Mainland ChinaChinaPosition (finance)Consumption (sociology)Government (linguistics)EconomyInternational tradeCommerceGeographyEconomicsFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper examines the conditions of emergence of a hub in the distribution of wine. We illustrate this through a detailed discussion of wine distribution in Eastern Asia and an examination of the case of Hong Kong as an emerging regional wine hub. Indeed, the Hong Kong Special Administrative Region (HKSAR) Government has imposed zero import tax on wine since June 2008. Since then, the city has attracted a large volume of wine from foreign countries and established a wine bond warehouse in the Asia-Pacific. In total, only 16% of the wine has served for local Hong Kong consumption, with 84% being transshipped to Macau and Mainland China. Well positioned at the heart of Chinese business diaspora with good global connections, Hong Kong is currently capturing important value from wine trade. But its position may be threatened by competing hubs (i.e. Singapore), if these are able to adapt to the needs of the rapidly changing market of wine. To analyze this situation, this paper uses the concept of agility, explaining how market knowledge, flexibility and responsiveness are key elements for regional competitiveness.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,098
Score d'incertitude au seuil0,194

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0060,004
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,013
Tête enseignante GPT0,225
Écart entre enseignants0,212 · 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'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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)Même sujetWine Industry and TourismTravaux en français237 207