Notice bibliographique
Résumé
The twenty-fifth edition of CSIL research 'World trade of lighting' is the result of: official trade data; analysis of CSIL databases for lighting fixtures in Europe and worldwide; official documents concerning macroeconomic trends and sector performances for the last two years. The Report provides an overview of the world trade of lighting fixtures and lamps, with statistical data (production, consumption, imports, exports) at worldwide level and data on the lighting fixtures markets of 70 countries selected according to their contribution to the international trade of lighting fixtures. The report identifies the opportunities on the global lighting fixtures market and is a helpful tool for lighting fixtures exporters as it contains a rich collection of key country data, allowing comparisons among specific interest areas. The world production, consumption, imports and exports of lighting fixtures are broken down by geographical area (European Union 25 + Norway and Switzerland, Central-East Europe outside the EU & Russia, Asia and Pacific, Middle East and Africa, North and South America). International trade statistics (imports and exports) 2014-2019 are given at country-level both for lighting fixtures and lamps, highlighting the major exporting and importing countries and providing main destination countries of exports and main origin countries of imports. The report also analyses trade balance data, covering the years 2014-2019. Data are provided both in US$ and EUR. Data are also available in a country format: production, consumption, trade figures, and per capita consumption of lighting fixtures. Historical series on lighting fixtures exports and imports, origin of imports and destination of exports, by country and by geographical area. International trade data of lamps. Economic indicators (population, area, GNP, per capita GNP, household consumption expenditure) and forecasts 2020 and 2023 (population, GNP, private consumption, and lighting market). Country rankings to place all statistics in a broad worldwide context and allowing comparisons among specific interest areas. Countries considered: Algeria, Argentina, Australia, Austria, Bahrain, Belarus, Belgium, Brazil, Bulgaria, Canada, Chile, China, Colombia, Croatia, Cyprus, Czech Republic, Denmark, Egypt, Estonia, Finland, France, Germany, Greece, Hungary, India, Indonesia, Ireland, Israel, Italy, Japan, Jordan, Kazakhstan, Kuwait, Latvia, Lebanon, Lithuania, Malaysia, Malta, Mexico, Morocco, Netherlands, New Zealand, Norway, Oman, Philippines, Poland, Portugal, Qatar, Romania, Russia, Saudi Arabia, Serbia, Singapore, Slovakia, Slovenia, South Africa, South Korea, Spain, Sweden, Switzerland, Taiwan, Thailand, Tunisia, Turkey, Ukraine, United Arab Emirates, United Kingdom, United States, Venezuela, Vietnam.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,163 | 0,118 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».