Diverse Value Chains, Pricing Strategies, and Price Information Sources of Selected Dried Fish Varieties in Sri Lanka
Notice bibliographique
Résumé
The dried fish industry is a diverse and dynamic sub-sector nurturing upon the fisheries sector yet mostly invisible and poorly documented. Hence, this study aims to identify the diverse value chains, roles, and main functions, different pricing strategies, and price information sources of sprats, skipjack tuna, and smoothbelly sardinella, which are the most consumed dried fish varieties in Sri Lanka irrespective of the income levels. Fifty dried fish processors were selected through a simple random sampling technique. Dried fish wholesalers (n=20) retailers (n=20), input suppliers (n=5), and dried fish consumers (n=40) were selected through convenient and snowball sampling techniques. The study was conducted in the Matara, Puttalam, and Jaffna districts representing major dried fish-producing towns from three provinces. Descriptive and inferential data analysis methods were applied such as Friedman test. Value chain (I) is the major chain for skipjack tuna and sprats indicating 37% and 30% respectively. Value chain (VI) is the major chain for smoothbelly sardinella indicating 38% out of total value chain. Cost plus (P<0.05, x̄>3.55) and competition (P<0.00, x̄>4.12) based pricing were the main pricing strategies adopted by each value chain actor. Price information is shared among each other through personal contacts intra region (P<0.05, x̄> 4.85) and inter region (P<0.05, x̄> 4.85). Therefore, cost plus and competitive based pricing strategies should be structured nationally.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».