MétaCan
Menu
Retour à la cohorte
Enregistrement W4200214657 · doi:10.5539/ibr.v15n1p52

Empowerment of Micro, Small Medium Enterprises (MSMES) in Coconut Oil Development

2021· article· en· W4200214657 sur OpenAlexvenueno aff
Kadek Wulandari Laksmi P, Ni Wayan Lasmi, Desak Made Sukarnasih, Wayan Sri Maitri

Notice bibliographique

RevueInternational Business Research · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoconut oilBusinessProduction (economics)EmpowermentProduct (mathematics)Small and medium-sized enterprisesMarketingEntrepreneurshipEconomicsEconomic growthFinanceFood science

Résumé

récupéré en direct d'OpenAlex

Entrepreneurship development at the household level is the forerunner to the growth of an MSME. In the village of Antiga, Manggis District, Karangasem Regency, there is a home-based business engaged in the production of coconut oil (kelentik oil). Currently the level of marketing is only limited to traditional markets while the target is to be able to market products in modern markets. Therefore, this study has the objective to know the level of efficiency of production costs incurred by the producers of coconut oil (kelentik oil) in Antiga village, Manggis district, Karangasem regency; to know how to empower Micro, Small and Medium Enterprises producing coconut oil (kelentik oil) and to analyze the factors that influence the intention of buyers or consumers to buy coconut oil (kelentik oil) in Bali. The research method is a qualitative method. The result is that the production process is still traditional so that production cost efficiency is achieved. Furthermore, the empowerment of MSMEs is not yet optimal as business partners in marketing their products. Several factors influence consumers' intention to buy coconut oil (kelentik oil). So the input that can be given is to improve relationships or networks to be able to expand the market and improve product packaging.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,266
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,074
Tête enseignante GPT0,383
Écart entre enseignants0,308 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetSMEs Development and Digital MarketingTravaux en français237 207