MétaCan
Menu
Retour à la cohorte
Enregistrement W3124922986

Industry Networks and Sustainable Competitive Advantages in Brazilian and U.S. Processed Citrus Supply Chains

2007· preprint· en· W3124922986 sur OpenAlexaboutno aff
James A. Sterns, Thomas H. Spreen

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2007
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePhytoplasmas and Hemiptera pathogens
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCitrus cankerGreeningXanthomonas citriOrange (colour)OutbreakGeographyBusinessAgricultural economicsHorticultureBiologyEconomicsEcology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The states of Sao Paulo, Brazil and Florida, United States collectively dominate the world supply of orange juice. Collectively, these two regions account for over 80 percent of world processed orange production (Spreen, et al). Florida is the prime supplier to the United States and Canada, while Sao Paulo dominates world trade of orange juice and is the primary supplier to the EU market. It is these three markets - the United States, Canada and the EU - that represent the vast majority of global consumption of processed orange products (Spreen). The global dominance by these two national industries is being threatened. Both the Florida and Sao Paulo citrus industries are experiencing outbreaks of the same potentially devastating diseases - citrus canker (Xanthomonas axonopodis pv. citri) and citrus greening (Liberibacter asiaticus). Citrus canker forms lesions on fruit, causing premature fruit drop and rendering the fruit unsuitable for fresh market sales. "In addition to lowering yields, there is likely some increase in tree mortality as canker may open pathways for other diseases ... [though] tree mortality is not the major concern with endemic citrus canker (Spreen, et al., p. 14-5)." On the other hand, citrus greening, as observed in Asia, has had devastating effects on citrus production, leading to very high rates of tree mortality. As greening is quite new to both Sao Paulo and Florida, the actual magnitude of this threat is still unknown, but most industry observers are openly concerned about the potential for significant losses of citrus trees.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
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 enseignants0,212
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,003
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 Opus0,016
Tête enseignante GPT0,275
Écart entre enseignants0,259 · 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.

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

Citations1
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetPhytoplasmas and Hemiptera pathogensTravaux en français237 207