Evaluación financiera de la inversión en tres prototipos de finca ganadera en el Pacífico Central de Costa Rica
Bibliographic record
Abstract
El objetivo de este estudio fue hacer un análisis financiero en el corto plazo y calcular indicadores de rentabilidad de inversiones en el largo plazo, en tres prototipos de finca ganadera con escenarios de riesgo e incertidumbre. Se analizaron 33 fincas ganaderas de doble propósito del Pacífico Central de Costa Rica mediante una encuesta de indicadores socioeconómicos, tecnológicos, financieros, de diferentes estrategias de alimentación animal. Mediante un análisis de conglomerados se identificaron tres grupos: sistema eco-amigable (SEA); sistemas intensivos convencionales (SIC) y sistema extensivo tradicional (SET). El análisis beneficio-costo se realizó en tres fincas tipo de cada conglomerado. El tipo SIC fue el más rentable (VAN: $US4314). Los tres modelos mostraron alta sensibilidad a los cambios en los precios de la leche. Las variaciones en los costos de insumos y mano de obra develan una mayor inelasticidad expresada en los bajos valores de la pendiente de las ecuaciones (SET = 717.9; SIC = 6168.9; SEA = 1535.7). La simulación que incorpora riesgo sugirió al modelo SEA como el más beneficiado cuando se mejora la alimentación de los animales. El incremento en la rentabilidad en los tres prototipos al introducir recursos endógenos en el sistema de alimentación constituyó un estímulo para avanzar en un modelo de intensificación, menos dependiente de insumos externos y amigable con el ambiente.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".