Notice bibliographique
Résumé
Southeast Asia is a promising market for agricultural exports, with its growing population of middleclass consumers, especially for exporters such as the United States. The region consists of: Brunei, Cambodia, Indonesia, Laos, Malaysia, Myanmar, the Philippines, Singapore, Thailand, Timor-Leste, and Vietnam. Top markets in the region for U.S. agricultural and food products are the Philippines, Vietnam, and Indonesia. Leading U.S. exports are soybean products, wheat, cotton, skim milk powder, and distillers’ grains. U.S. agricultural exports to Southeast Asia increased from $9.4 to $14.2 billion from 2012 to 2022, and the U.S. share of Southeast Asia’s agricultural imports was steady at just over 11percent. China and Brazil, two of the top competitors, were the only exporters that gained market share over the period. China surpassed the United States to become the largest foreign supplier of agricultural goods to Southeast Asia, but few of China’s products compete directly with U.S. products; Brazil’s soybean products, cotton, poultry, and beef do compete with U.S. products. There are numerous potential reasons that U.S. competitors have gained market share, varying by commodity. They include preferential treatment through trade agreements, along with price competition, geopolitical ties, and geographic distance from Southeast Asia. Currently, the primary U.S. competitors for major agricultural commodities exported to Southeast Asia are Brazil, Australia, New Zealand, the European Union, China, India, Canada, and Argentina
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».