MétaCan
Menu
Retour à la cohorte
Enregistrement W4249410850 · doi:10.1021/cen-09431-notw11

Firms tout resilience, cost-cutting in difficult quarter

2016· article· en· W4249410850 sur OpenAlexaboutno aff
Melody Bomgardner

Notice bibliographique

RevueC&EN Global Enterprise · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCommunity Development and Social Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)Resilience (materials science)Cost cuttingBusinessOperations managementEconomicsHistoryMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

The long stretch of low oil and energy costs left its footprint on chemical company earnings in the second quarter as companies were forced to pass those savings on to their customers in the form of lower prices. But some sectors—particularly consumer specialties and agriculture—sidestepped the squeeze. At DuPont, the agriculture business played hero, thanks to strong demand for corn seed and insecticides. Operating earnings for the business shot up 12% compared with last year’s second quarter. That boosted overall earnings 10% to more than $1 billion, better than analysts hoped for. “Ag did better than expected in a very challenging market,” commented DuPont CEO Edward Breen on a conference call. He explained that DuPont was working to capture low raw material costs and operational savings but warned that rock-bottom prices for agriculture commodities will haunt the business for the foreseeable future. Other highlights were in DuPont’s nutrition and health

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,068
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 GPT0,248
Écart entre enseignants0,231 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueC&EN Global EnterpriseMême sujetCommunity Development and Social ImpactTravaux en français237 207