MétaCan
Menu
Retour à la cohorte
Enregistrement W4411041405 · doi:10.18280/jesa.580407

Optimizing the Smallholder Arabica Coffee Supply Chain in Bondowoso, East Java, Indonesia: A Strategic Analysis Using A’WOT

2025· article· fr· W4411041405 sur OpenAlexvenueno aff
Joni Murti Mulyo Aji, Puryantoro, Andina Mayangsari

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2025
Typearticle
Languefr
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Socioeconomic Development
Établissements canadiensnon disponible
Organismes subventionnairesKementerian Pendidikan, Kebudayaan, Riset, dan Teknologi
Mots-clésJavaArabica coffeeBusinessBiologyComputer scienceHorticultureOperating system

Résumé

récupéré en direct d'OpenAlex

This study aims to develop a strategic that can improve the effectiveness of the Arabica coffee supply chain for local farmers in Bondowoso Regency, one of the largest coffeeproducing regions in Indonesia.The Focus Group Discussion (FGD) conducted in this research utilized 10 expert assessments through the A'WOT analysis tool, which combines SWOT and the Analytic Hierarchy Process (AHP).This activity aims to identify and prioritize the most effective development strategies.The results showed that the strategy of strengthening farmers' capacity and empowerment emerged as a priority strategy with the highest weight of 0.220.This strategy is considered the most impactful in improving coffee productivity and quality, as well as supporting coffee supply chain sustainability in Bondowoso.This research is more complex than previous studies with the approach of analyzing the development of an efficient smallholder arabica coffee supply chain through the A'WOT method.The findings have important implications for stakeholders in formulating policies and actions to improve the efficiency of smallholder Arabica coffee supply chains.This study highlights efficiency for supply chain actors to protect the continuity of Arabica coffee product fulfillment needs.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,234
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0010,000
Communication savante0,0030,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,031
Tête enseignante GPT0,252
Écart entre enseignants0,221 · 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.

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetInnovation and Socioeconomic DevelopmentTravaux en français237 207