MétaCan
Menu
Retour à la cohorte
Enregistrement W1433997960 · doi:10.3920/9789086866526_013

Why are current food prices so high?

2008· book-chapter· en· W1433997960 sur OpenAlexfundno aff
Martin Banse, Peter Nowicki, Hans van Meijl

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Economics and Policy
Établissements canadiensnon disponible
Organismes subventionnairesAgriculture and Agri-Food CanadaU.S. Department of Agriculture
Mots-clésCurrent (fluid)BusinessEnvironmental scienceEconomicsElectrical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

World agricultural prices in a historical perspectiveWorld agricultural prices are very volatile which is due to traditional characteristics of agricultural markets such as inelastic (short run) supply and demand curves (see, Meijl et al. 2003). 13The volatility is also high because the world market is a relatively small residual market in a world distorted by agricultural policies. 14The combination of high technological change and inelastic demand cause real world prices to decline in the long run (trend).The prices, however, of many (major) agricultural commodities have risen quickly over recent years (see Figure 1).Recent increase in agricultural prices are strong, but even with the increase that we have observed in the last three years, real agricultural prices are still low compared to the peaks in prices of the mid-70s.Local prices are linked with these world prices.The transmission effect depends on the transparency of markets, market power and accessibility 13 'World food prices are instable and will remain unstable in the future.Forecast errors are large in predictions of world prices.There are always unexpected events in important drivers such as yields which are dependent on weather, plagues and diseases' (See Van Meijl et al., 2003). 14Trade share (2006) in global production: rice (7%), cheese (7%), coarse grains (11%) and wheat (20%), FAO Statistics.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,262
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,036
Tête enseignante GPT0,199
Écart entre enseignants0,163 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAgricultural Economics and PolicyTravaux en français237 207