MétaCan
Menu
Retour à la cohorte
Enregistrement W7117357146 · doi:10.5281/zenodo.18058749

Market research and analysis for identifying new export opportunities for fruits from Pune district

2025· article· W7117357146 sur OpenAlexaboutno aff
Aruna Devram Mudawat

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2025
Typearticle
Langue
DomaineEngineering
ThématiqueMaritime Ports and Logistics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOperationalizationEuropean unionSupply chainMarket penetrationPhytosanitary certificationGeopoliticsMarket structureMarket researchInternational market

Résumé

récupéré en direct d'OpenAlex

The horticultural export economy of the Pune district, while robust in volume, is characterized by a precarious dependency on a limited set of traditional markets, principally the European Union for viticulture and the Middle East for pomegranates. This intense market concentration exposes the regional economy to heightened risks arising from geopolitical volatility and shifting non-tariff barriers. This research paper conducts a descriptive market analysis to identify and validate commercially viable alternative destinations. Synthesizing trade data from UN Comtrade and phytosanitary protocols from USDA/APHIS, the study substantiates that the United States has emerged as a Tier-1 opportunity following the 2024-2025 operationalization of sea-freight protocols involving irradiation. Furthermore, the analysis positions Canada and Southeast Asia as critical secondary markets. The paper concludes that while consumer demand in these regions is high, successful market penetration is contingent upon resolving complex supply chain challenges, specifically the maintenance of cold-chain integrity during extended maritime transit and strict adherence to disparate Maximum Residue Level (MRL) standards.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,019
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0060,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,162
Tête enseignante GPT0,303
Écart entre enseignants0,141 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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 revueZenodo (CERN European Organization for Nuclear Research)Même sujetMaritime Ports and LogisticsTravaux en français237 207