MétaCan
Menu
Retour à la cohorte
Enregistrement W7033420957

Perceptions of Portuguese exporting companies on free trade agreements between the EU and third countries: The case of footwear, wine, textiles, molds and automotive sectors for Canada, UK, Mexico and Japan

2023· dissertation· en· W7033420957 sur OpenAlexaboutno aff

Notice bibliographique

RevueRepositório do ISCTE-IUL · 2023
Typedissertation
Langueen
DomaineArts and Humanities
ThématiqueLiterature and Cultural Memory
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAutomotive industrySample (material)PortugueseGlobalizationFree tradeIndependence (probability theory)Trade barrierFree trade agreement
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Given economic globalization and the lowering of barriers, improving export performance is one of companies' top priorities and a key determinant of effective economic growth. This research presents a literature review that addresses the concept of Free Trade Agreements (FTAs) and the different types of agreements. It also characterizes the sectors of footwear, wine, textiles, molds, and automotive. Regarding the research procedure, quantitative and qualitative data were collected from a sample of companies that export to Canada, Japan, Mexico, and the United Kingdom, belonging to the sectors of footwear, wine, textiles, molds, and automotive (N=59). Regarding the research procedure, data were collected in a quantitative study from a sample of companies that export to Canada, Japan, Mexico, and the United Kingdom within the footwear, wine, textiles, molds, and automotive sectors (N=59). The research analysis, utilizing the Chi-Square independence test, assessed the use of Free Trade Agreements (FTAs) and the motivating factors. Remarkably, "Reduction or elimination of customs tariffs" and "Improved trade opportunities" emerged as the primary motivations. The research also explored the significance of FTAs for these companies, their familiarity with them, and the challenges they faced in leveraging these agreements.

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)0,000
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,339
Score d'incertitude au seuil0,936

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
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 Opus0,018
Tête enseignante GPT0,248
Écart entre enseignants0,231 · 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'étudeQualitatif
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 revueRepositório do ISCTE-IULMême sujetLiterature and Cultural MemoryTravaux en français237 207