MétaCan
Menu
Retour à la cohorte
Enregistrement W201757610

유전자변형(GM)작물의 진흥과 규제에 관한 정책 유형의 분류와 적용: 해외 GM작물 재배국을 중심으로

2007· article· ko· W201757610 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueSeoul National University Open Repository (Seoul National University) · 2007
Typearticle
Langueko
DomaineSocial Sciences
ThématiqueEnergy and Environmental Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusiness
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

이 연구는 GMO 규제에 영향을 미치는 정책 논리를 경제논리와 위험예방논리로 구분하여, 이 두 가지 기준을 바탕으로 4개의 정책 유형을 도출한 후, 각 국의 GMO 규제 정책이 어떤 유형에 해당하는가를 밝히는 것을 목적으로 하였다. 연구자는 GMO정책의 경제논리와 위험예방논리의 강도를 계량화하는 기법을 개발하여 각국의 사례를 측정함으로써 국가 간 규제-진흥의 차이를 밝히고, 분석 결과에 따른 이론적·실천적 시사점을 도출하고자 하였다. 연구 결과, 진흥형의 전형적인 국가로는 미국과 캐나다, 진흥·규제공존형의 전형적인 국가는 EU로 나타났다. GM작물 생산이 적은 국가들은 주로 규제형과 방임형 정책을 사용하는 국가들 중에도 미국이나 캐나다 같이 강한 진흥정책을 채택하는 국가가 있는 반면, 파라과이나 우루과이 및 인도처럼 보다 덜 강한 진흥 정책을 사용하는 국가도 존재하고 있어 각국의 상황에 따른 다양한 정책운용이 이루어지고 있음을 알 수 있었다. This study first invented a typology based on two ideas: danger-prevention and economic growth. The authors developed indicators to measure the level of each nation's GMO promotion or regulation policies, and then empirically analyzed the objective data. The 22 main GMO producing and trading nations were included for the empirical analysis and each nation's GMO policy was finally indicated in a classified policy type. The results showed that the USA and Canada belong to the strong GMO promotion type, while the EU is to the type that combines regulation and promotion 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.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,925
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0050,001
Communication savante0,0000,003
Science ouverte0,0030,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,022
Tête enseignante GPT0,252
Écart entre enseignants0,230 · 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