COMPETITIVIDADE DA INDÚSTRIA DE ALIMENTOS NO CONTINENTE AMERICANO
Bibliographic record
Abstract
Grupo de Trabalho (GT): GT2. Governança e gestão do agronegócioResumo Este estudo tem por objetivo de descrever a competitividade da indústria de alimentos de empresas das principais economias do continente americano, em que se utilizou como arcabouço teórico a Resource-Advantage Theory (R-A Theory) e como instrumento de análise, para medir a competitividade, o Modelo TOPSIS de Análise Multicritério para tomada de decisão.Foram coletados indicadores contábeis de desempenho financeiro de 145 empresas da indústria de alimentos de 8 países do continente americano, as principais economias que tem relações comerciais com o Brasil em produtos do agronegócio.Os dados extraídos na base Thonson One Banker no período de 2015 a 2020.Os resultados revelaram que as empresas que obtiveram Desempenho Superior (+) , em sua maioria eram estadunidenses, com exceção de duas empresas brasileiras que se posicionaram entres as de melhor desempenho, mas apenas em alguns anos do estudo.Empresas latinas americanas e canadenses, em sua maioria posicionaram em situação de Desempenho Financeiro Paritário, e algumas poucas empresas desses países, foram classificadas com Desempenho Financeiro Inferior.Há um forte indício de que o tamanho da empresa, de acordo com o ativo total, estabelece maior possibilidade de Desempenho superior, pois as empresas que se posicionaram no topo da lista, também estão entre as que tem maior ativo total.Conclui-se que a competitividade na indústria de alimento do continente americano é marcado por um domínio de empresas norteamericana, e sugere-se estudos com empresas somente latinas para evidenciar o poder competitivo dessas organizações.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.005 | 0.007 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".