MétaCan
Menu
Retour à la cohorte
Enregistrement W4387342772 · doi:10.36948/ijfmr.2023.v05i05.7023

Impact Of Forest Based Industries on Indian Economy

2023· article· en· W4387342772 sur OpenAlexaboutno aff
Ramanand Mishra -, Dr.Basanti Mathew Merline -

Notice bibliographique

RevueInternational Journal For Multidisciplinary Research · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEurosRevenueBusinessWood industryAgricultural economicsProduction (economics)Value (mathematics)Raw materialEconomic impact analysisMarket shareForest productNatural resource economicsWood processingEconomyEconomicsGeographyForest managementEnvironmental scienceAgroforestryForestryMarketing

Résumé

récupéré en direct d'OpenAlex

Abstract Forest products are a significant part of regional, national, and local economies. Understanding their economic importance is therefore essential. By using the IMPLAN model, Ram Prasad Dahal determined the value of forest products as a sector of the economy in 13 southern states, individually and regionally. For three primary forest products industries (wood furniture, paper products, and wood and wood products), the direct impacts of the three sectors are estimated along with their associated multipliers. Impacts direct to the economy are illustrated by the direct impacts, while multipliers represent the indirect effects. As a source of employment and income, the forest products industry performed well in 2009. There are new wood-based products being developed with great potential and attractive markets, such as textiles, liquid biofuels, platform chemicals, plastics, and packaging. There is a discussion of the extent to which these emerging wood-based products could compensate for anticipated declines in the graphic paper market in four major forest industry countries: the United States, Canada, Sweden, and Finland. In the four countries selected, a 1–2% percent market share would lead to an increase in revenues of 18–75 billion euros per year. As a result, 10-43% of forest industries' production value was lost in 2016. By 2030, the graphic paper industry is expected to lose 5.5 billion euros in revenue. As many of the products utilize byproducts as feedstock, the respective impacts on wood usage are numerous. This increase in primary wood use, which is largely due to the construction and to a lesser extent the textile markets, would amount to as much as 15–133 million m3, or 2–21% of the current structural roundwood supply in the countries selected.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,086
Score d'incertitude au seuil0,172

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,001
Communication savante0,0040,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,113
Tête enseignante GPT0,457
Écart entre enseignants0,344 · 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'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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal For Multidisciplinary ResearchMême sujetForest Management and PolicyTravaux en français237 207