Dynamic assessment of agro-industrial sector efficiency and productivity changes among G20 nations
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.
Notice bibliographique
Résumé
In this study, the Group of 20 (G20; excluding EU economies) were selected as the research objects, and the dynamic network slacks-based model (SBM) was used to evaluate the impact of carbon dioxide (CO 2 ) emissions and forested area on the efficiency and productivity of the industrial and agricultural sectors from 2011 to 2015. Empirical results showed that: (1) The efficiency of the industrial sector was superior to that of the agricultural sector among the G20 countries. Argentina, Australia, Indonesia, Saudi Arabia, South Africa, Turkey, the UK, and the US maintained the best industrial sector efficiency values, falling on the efficiency boundary, whereas Argentina, Brazil, Canada, France, Indonesia, South Korea, Russia, and the US had the best agricultural sector efficiency values. (2) Argentina, Indonesia, and the US had the best overall efficiency value of G20 countries. Saudi Arabia (0.0303), China (0.2721), and the UK (0.2809) had the lowest efficiency values. (3) Only France and Germany had higher than average total factor productivity, while Indonesia and Saudi Arabia had declining industrial and agricultural sector productivity. (4) The proportion of forested area (546.02%) was the most important variable to be improved due to the influence of desert topography, followed by the proportion of agricultural output values (60.86%) and the proportion of industrial output values (38.02%) in some countries.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle