MétaCan
Menu
Retour à la cohorte
Enregistrement W7001058436

Impacto en la producción de palta peruana generado por su exportación dentro del periodo 2007 – 2017

2020· dissertation· es· W7001058436 sur OpenAlexaboutno aff

Notice bibliographique

RevuePortal de Revistas PUCP (N/A) · 2020
Typedissertation
Languees
DomaineAgricultural and Biological Sciences
ThématiquePlant Physiology and Cultivation Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)State (computer science)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

El trabajo de investigación analizó como la palta ha impactado positivamente en el sector agropecuario entre los años 2007 y 2017, ya que desde el 2007 se ha venido presentando crecimientos constantes en el volumen total de las exportaciones de palta, lo cual nos ha permitido ocupar el segundo lugar a nivel mundial en producción de palta. Es así que para identificar el crecimiento de las exportaciones de palta se usaron las variables como la balanza comercial, exportaciones e importaciones, con lo cual se logró encontrar información muy relevante que nos permitió profundizar en el tema del incremento de las exportaciones y producción de palta en el Perú. Es por eso que se logró identificar que, gracias a las buenas prácticas, como también una mayor organización de los pequeños agricultores con los gobiernos regionales y varias entidades del estado se ha podido concretar con éxito la entrada de la palta peruana a nuevos mercados. Por último, las exportaciones de palta alcanzaron una cifra record de US$748 millones en el año 2019, para seguir con esta tendencia en el aumento de exportación de palta recomendamos que el gobierno junto con sus ministerios y organismos deben seguir colaborando con los agricultores, dándoles capacitaciones constantes, acceso a créditos, entre otras facilidades, así como asesorarlos en el cumplimiento de todos los requisitos en la exportación, fijando altos estándares de calidad para que puedan ser más competitivos a nivel mundial.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,467
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,023
Tête enseignante GPT0,282
Écart entre enseignants0,259 · 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePortal de Revistas PUCP (N/A)Même sujetPlant Physiology and Cultivation StudiesTravaux en français237 207