MétaCan
Menu
Retour à la cohorte
Enregistrement W1545807484 · doi:10.1111/cjag.12055

Regulation of Genetically Engineered Crops in India: Implications of Policy Uncertainty for Social Welfare, Competition, and Innovation

2014· article· en· W1545807484 sur OpenAlexvenueno aff
Deepthi Kolady, Ronald J. Herring

Notice bibliographique

RevueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomie · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetically Modified Organisms Research
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of EnvironmentDepartment of Biotechnology, Ministry of Science and Technology, India
Mots-clésCommercializationNonmarket forcesAgricultural biotechnologyCompetition (biology)Bt cottonGenetically modified organismAgricultureGenetically modified cropsBiotechnologyBacillus thuringiensisGenetically engineeredNatural resource economicsAgricultural economicsBusinessEconomicsMarket economyBiologyEcology

Résumé

récupéré en direct d'OpenAlex

India is the regional leader in research and development (R&D) in agricultural biotechnology (agri‐biotech) in South Asia. Commercialization of Bacillus thuringiensis (Bt) cotton—the first and only commercial genetically engineered (GE) crop in India—in 2002 was preceded by illegal cultivation and diffusion of unapproved cultivars, raising serious questions of the state's regulatory capacity. Bt eggplant, the first GE food crop to get approval for environmental release in 2009, has not yet been commercialized. An indefinite moratorium on its commercialization was imposed by the Minister of Environment and Forests in 2010. We examine the regulatory framework in India and use the cases of Bt cotton and Bt eggplant regulation to examine the types and sources of nonmarket failures associated with the regulatory policy. We also analyze the demonstrated and likely effects of regulatory uncertainty on social welfare and development of the agri‐biotech industry. We adopt implementation analysis to suggest policy options worth considering to address the nonmarket failures of regulatory policy.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,976
Score d'incertitude au seuil0,995

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)0,0000,000

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 Opus0,025
Tête enseignante GPT0,200
Écart entre enseignants0,175 · 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.

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

Citations13
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomieMême sujetGenetically Modified Organisms ResearchTravaux en français237 207