MétaCan
Menu
Retour à la cohorte
Enregistrement W3171853344

Toward an understanding of industry cluster development among New World wineries: A comparative study of the Okanagan Valley, Canada and the Waipara region, New Zealand

2018· article· en· W3171853344 sur OpenAlex
Svan Lembke, Lee Cartier, Joanna Fountain, Nicholas A. Cradock-Henry, D. Leo-Paul

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

RevueLincoln University Research Archive (Lincoln University) · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueWine Industry and Tourism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeographyCluster (spacecraft)Political scienceEconomyRegional scienceComputer scienceEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

There is growing consensus that clusters are beneficial for regional economic prosperity. Furthermore the maturity of an industry cluster and its regional competitive advantage is often critical to the prosperity and long-term success of rural businesses. Clusters enable operational scale, enhance resilience to unexpected events or threats, and deliver innovation opportunities particularly for small and mid-size businesses on the basis of their synergies. The wine industry – and other agricultural activities that create value beyond primary production – appears to be drawn to the cluster model on the basis of shared land base, physical infrastructure, and often perishable nature of their goods that need to be processed quickly. While clusters are a function of the unity of firms and institutions, no specific activities have yet been identified that can be readily duplicated to achieve effective cluster behaviours. An understanding of the dynamics between stakeholders, and ways to encourage and/or discourage competition and cooperation, can deliver valuable insights to new and embryonic clusters, while enabling existing clusters to navigate novel risks and emerging challenges. While Michael Porter’s cluster model has enabled researchers to identify and map clusters (Porter, 1990; Porter, 2003), it provides limited insight into the factors influencing cluster development. As a result, the catalysts for cluster maturity remain undefined. Drawing on comparative case study analysis, this paper proposes a model of cluster development. Two wine regions – the Okanagan Valley, British Columbia (BC), Canada and Waipara, Canterbury, New Zealand – provide the basis for this study. Both regions have been studied previously using Porter’s (1990, 2003) diamond framework, allowing a structured comparison across the determinants of the clusters (Dana & Winstone, 2008; Dana, Granata, Lascha, & Carnaby, 2013; Cartier, 2014; Cartier, 2017; Lembke & Cartier, in press). The wine clusters in these regions are examined to assess strategic alignment, and determine the balance of strategic activities that nurture cooperation and competition. Gap analysis and comparison within and between each wine region seeks to identify some of the building blocks for cluster maturity. Future research directions with the potential to refine our understanding of cluster development and lifecycles are also identified.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,387
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
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 Opus0,110
Tête enseignante GPT0,261
Écart entre enseignants0,151 · 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