Changes in international trade in exotic tropical fruit
Notice bibliographique
Résumé
In this scientific article, the authors set a goal to explore changes in the volume and structure (by country) of international trade in exotic tropical fruits over 2011-2022. Based on the statistical database of the UN Food and Agriculture Organization (FAO), we found that during this period, global exports increased by 2.12 times (from 646.342 thousand tons to 1371.977 thousand tons), and imports by 1.96 times (from 811.232 thousand tons to 1593.386 thousand tons). The authors compiled a rating of countries that in 2022 were in the top ten in terms of natural parameters of international trade in these types of fruit and berry products, and found absolute and relative changes in their corresponding indicators relative to similar ones for 2011. We found that in 2022 in the top five in exports exotic tropical fruits were represented (given that China and Hong Kong are considered separately in FAO statistics) Thailand, Hong Kong, Vietnam, Egypt and China. Together, these countries contributed 90.37% of the corresponding global figure, with Thailand accounting for 60.3%. The authors determined that the top five imports of exotic tropical fruits in 2022 were China, Hong Kong, Canada, Russia and Singapore. Together, these countries contributed 89.29% of the corresponding global figure, with China (together with Hong Kong) accounting for 80.87%. This indicates a fairly high concentration of international trade in this category of fruit and berry products.
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 | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».