MétaCan
Menu
Retour à la cohorte
Enregistrement W7226185

An Economic Survey of the Wine and Winegrape Industry in the United States and Canada

2001· article· en· W7226185 sur OpenAlexaboutno aff
Daniel A. Sumner, Helene Bombrun, Julian M. Alston, Dale Heien

Notice bibliographique

RevueČasopis lékařů českých · 2001
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueWine Industry and Tourism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWineConsumption (sociology)Agricultural economicsEconomyGeographyEconomic historyPolitical scienceEconomicsArtSociologySocial science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The wine industry in the United States and Canada is new by Old World standards but old by New World standards. The industry has had several rebirths, so specifying its age may depend on the purpose of the investigation. In the colonial and post-colonial period up through the middle of the 19 th Century, it was a relatively tiny industry with imports accounting for almost all of the still meager consumption of quality wine in the region (Winkler, et al.). There was gradual development in the latter half of the 19 th century, but wine production in the United States and Canada only began to develop significantly with the expansion of the California industry early in the 20 th century (Carosso; Hutchinson). Then the industry needed to be recreated after the prohibition era from 1920 to 1932. More recently, in a sense, the industry was reborn again thirty or so years ago with an aggressive movement towards higher quality. The geography of the industry is relatively simple. Despite some wine and winegrape production in Canada and most states in the United States, California is the location of more than 90 percent of grape crush and about 85 percent of the wine production in North America (Wine Institute). Therefore, most of the discussion of grape and wine production in this

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 seuil0,141

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,016
Études des sciences et des technologies0,0030,000
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,021
Tête enseignante GPT0,217
Écart entre enseignants0,196 · 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

Citations5
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueČasopis lékařů českýchMême sujetWine Industry and TourismTravaux en français237 207