MétaCan
Menu
Retour à la cohorte
Enregistrement W4391747207 · doi:10.1080/03155986.2024.2311472

An approach to plan infrastructural investments to facilitate domestic trade

2024· article· en· W4391747207 sur OpenAlexafffundvenueabout
Osman Alp, Meraj Ajam

Notice bibliographique

RevueINFOR Information Systems and Operational Research · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensUniversity of Calgary
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaWestern Economic Diversification Canada
Mots-clésPlan (archaeology)BusinessEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

The volume of trade between two regions is shaped by the cost of trade, which is a function of infrastructural and political barriers.Governments can invest in the upgrade of their country's logistics infrastructure to mitigate these barriers, decrease trade costs, and increase domestic trade volumes; but they need to decide which infrastructural project(s) to invest under limited budget.A bilevel, bicriteria optimization model is proposed to overcome this challenge.The inner model anticipates total trade flows among all regions of the country with a profit maximization lens of the transporters.The outer model selects the projects based on minimizing total investment costs and maximizing total trade flows.The novelty in this approach is in incorporating the implicit 'trade barriers' through a 'trade cost model' borrowed from the economics literature.The proposed framework is implemented in a case study originating from the Canadian Northern Corridor concept which aims to boost domestic trade between the provinces and the territories of Canada.The numerical study indicates that investments to upgrade and increase connectivity in the logistics infrastructure of western Canada should be prioritized over others.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,217
Tête enseignante GPT0,320
Écart entre enseignants0,103 · 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

Citations2
Publié2024
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueINFOR Information Systems and Operational ResearchMême sujetGlobal trade and economicsTravaux en français237 207