MétaCan
Menu
Retour à la cohorte
Enregistrement W4391749315 · doi:10.53555/sfs.v10i1s.2294

Economic Cooperation And Integration Among BIMSTEC: A Study On Organic Agricultural Products

2023· article· en· W4391749315 sur OpenAlexvenueno aff
Sourav Chatterjee, Shivani Hazra, Rana Majumdar, Kallal Banerjee

Notice bibliographique

RevueJournal of Survey in Fisheries Sciences · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Trade and Competitiveness
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgricultureBusinessOrganic farmingGeography

Résumé

récupéré en direct d'OpenAlex

The study on the economic benefits of India BIMSTEC sub-regional trade alignments for Indian organic products focuses on regional alliances among south and southeast Asia. This sub-regional trading bloc is most important for Indian policymakers to enhance economic cooperation through trade on organic Agri products among these regions. This research wants to highlight major tradeable organic Agri Products and identify potentiality in trade among these regions. Study also identifies the possible scope of trade and future welfare creation among BIMSTEC members through the formation of regional trade agreement (RTA) particularly, based on the organic Agri products basket. In this research, researcher restricts the scope of organic Agri products, grown under system of agriculture without the use of chemical fertilizers and pesticides. Researchers identify a list of 23 major organic Agri products under Harmonized System (HS) of classification under 4-digit codes for preliminary analysis of trade potentiality among these regions. This research has been established based on different econometric parameters commonly used for analyzing trade-related data. Basically, WITS (World Bank) data has been used for our analysis purposes. For identifying of intra-industry trade (IIT) researchers use the GrubelLloyd index and, for comparative evaluation of import effects in various forms of trade alignment namely, bi-lateral and sub-regional alignment, particularly in BIMSTEC countries researcher uses AI based Gravity model on trade

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,006
Score d'incertitude au seuil0,475

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,109
Tête enseignante GPT0,246
Écart entre enseignants0,137 · 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.

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 revueJournal of Survey in Fisheries SciencesMême sujetGlobal Trade and CompetitivenessTravaux en français237 207