Halal Meat Exports Enhancement of Pakistan: An Intermediating Role of Global Technical Standards in Quality Function Deployment Model
Notice bibliographique
Résumé
A lean and sustainable food supply chain is one of the major strategies that businesses all around the world have been trying to adopt to provide the customers quality food and to remain competitive in the global market. Many industrialists, researchers, and economists have focused on food quality because of the high importance of this issue in the global meat markets context. This research was conducted to investigate the mediating role of Global Technical Standards (GTS) on Voice of Customers (VOC) and Exports Enhancement (EE). Halal meat industry and exports of Pakistan were the primary focus by using a mixed methodological approach. Initially, the quality function deployment (QFD) model was generated for the identification of exports requirements and competitive Novelty Analysis. Fourteen actors (experts) of Pakistan halal meat industry had participated in the identification of requirements and standards. Likewise, exporters from nine economies, including the United States of America, Brazil, Australia, Netherlands, Poland, Spain, India, Canada, and Pakistan, participated in Competitive Novelty Analysis. Secondly, 250 responses were generated from Pakistan’s halal meat industry on a five-point Likert scale. The findings of this study show a significant relationship between Voice of Customers (VOC) and Global Technical Standards (GTS). It was further highlighted that Global Technical Standards mediate the relationship between issues in exports and Exports Enhancement (EE) strategies.
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 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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».