MétaCan
Menu
Retour à la cohorte
Enregistrement W4283030730 · doi:10.1142/s0129183123500146

The evolution of international grain trade pattern based on complex network and entropy

2022· article· en· W4283030730 sur OpenAlexaboutno aff
Jinlong Ma, Meng Li, Xiaotian Li

Notice bibliographique

RevueInternational Journal of Modern Physics C · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueComplex Network Analysis Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComplex networkInternational tradePosition (finance)EconomicsEconomic geographyBusinessComputer science

Résumé

récupéré en direct d'OpenAlex

Grain is the most basic material condition for human survival and development, and the structure of grain import and export trade has seriously affected national grain security. In this paper, we quantitatively analyze the evolution of international grain (maize, wheat, rice) trade patterns from 1987 to 2019 based on a complex network and entropy methods, and provide some suggestions and references for relevant countries. We measure the ranking of countries by applying various indicators from complex networks to quantify the importance of nodes in international trade networks. Then, we analyze the evolution of trade scale and community structure in different regions. Finally, we analyze the weight structure of the whole network through entropy, revealing the evolution characteristics and mechanism of the system more comprehensively. The results first show that the international grains trade network (IGTN) satisfies the scale-free properties and that global trade volumes are increasing year by year. The distribution of trade volumes in the IGTN follows the 80/20 rule, with less than 20[Formula: see text] of countries accounting for more than 80[Formula: see text] of global trade volumes. Second, countries in the Asian region have gradually increased their position in the grain trade network, while the position of countries in North and South America has declined. Third, the heterogeneity of the topology and weight structure of the international grain trade network is weakened, and the status of hub countries in the IGTN is reduced. The importance gap of nodal connections is narrowing, showing the trend of multilateralization of global trade. Fourth, the world grain export market is highly concentrated. The USA, Canada, Brazil, Argentina and Russia are the major exporters of grain.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0000,001
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 Opus0,013
Tête enseignante GPT0,261
Écart entre enseignants0,248 · 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'étudeSimulation ou modélisation
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

Citations16
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Modern Physics CMême sujetComplex Network Analysis TechniquesTravaux en français237 207