MétaCan
Menu
Retour à la cohorte
Enregistrement W32617885 · doi:10.1007/s40801-020-00204-9

Gerenciamento de cadeias de suprimentos: análise da avaliação de desempenho de uma cadeia de carne e produtos industrializados de frango no Brasil

2003· dissertation· pt· W32617885 sur OpenAlexfundno aff
Susana Carla Farias Pereira

Notice bibliographique

RevueDrugs - Real World Outcomes · 2003
Typedissertation
Languept
DomaineEnvironmental Science
ThématiqueRural Development and Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Ottawa
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Among all economics activities, agribusiness is increasing its importance with great force in the world, stimulated mainly for the growth of the population and in the demand for food. Agribusiness studies have been the focus of academic research for quite a long time. However, those studies usually have used a theoretical background, connotations, frames of reference and methodologies slightly different of those used in the research on Supply Chain Management (SCM). Most agro-industrial studies are influenced by economics theories. They usually address questions of public policy, structures of govemance and competitiveness of the industry. On the other hand, researches on SCM have a managerial concern addressing questions of operational efficiency, effectiveness, customers' needs and so on. Notwithstanding, differences on the research focus and theoretical frameworks, the systemic vision of the process - since the production of raw materials until the delivery of the product to the end consumer - is common to SCM and agro-industrial studies. The main purpose of this research is to advance in the studies of agro-industrial chains, using a management approach frequently presented in the literature of supply chain management. The unit of analysis of the research is a supply chain of poultry meat by-product in Brazil. The main approach will be the questions of management and measurement of supply chain performance.

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)0,006
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 enseignants0,031
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,017
Tête enseignante GPT0,281
Écart entre enseignants0,263 · 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

Citations3
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrugs - Real World OutcomesMême sujetRural Development and AgricultureTravaux en français237 207