MétaCan
Menu
Retour à la cohorte
Enregistrement W2149323999 · doi:10.1111/nyas.12602

Agriculture, health, and wealth convergence: bridging traditional food systems and modern agribusiness solutions

2014· review· en· W2149323999 sur OpenAlexafffund
Laurette Dubé, Patrick Webb, Narendra K. Arora, Prabhu Pingali

Notice bibliographique

RevueAnnals of the New York Academy of Sciences · 2014
Typereview
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Socioeconomic Development
Établissements canadiensMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaRockefeller FoundationBill and Melinda Gates Foundation
Mots-clésFood systemsConvergence (economics)AgricultureNexus (standard)Bridging (networking)Corporate governanceTransformative learningEconomicsPolitical scienceBusinessMarketingPublic relationsEconomic growthComputer scienceSociologyManagementFood security

Résumé

récupéré en direct d'OpenAlex

The causes of many vexing challenges facing 21st-century society are at the nexus of systems involved in agriculture, health and wealth production, consumption, and distribution. Using food as a test bed, and on the basis of emerging roadmaps that set achievable objectives over a 1- to 3-year horizon, we introduce this special feature with convergence thinking and practice at its core. Specifically, we discuss academic papers structured around four themes: (1) evidence for a need for convergence and underlying mechanisms at the individual and societal levels; (2) strategy for mainstreaming convergence as a driver of business engagement and innovation; (3) convergence in policy and governance; (4) convergence in metrics and methods. Academic papers under each theme are accompanied by a roadmap paper reporting on the current status of concrete transformative convergence-building projects associated with that theme. We believe that the insights provided by these papers have the potential to enable all actors throughout society to singly and collectively work to build supply and demand for nutritious food, in both traditional and modern food systems, while placing the burdens of malnutrition and ill health on their core strategic agendas.

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)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,824
Score d'incertitude au seuil0,558

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
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 Opus0,210
Tête enseignante GPT0,334
Écart entre enseignants0,124 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations22
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnnals of the New York Academy of SciencesMême sujetInnovation and Socioeconomic DevelopmentTravaux en français237 207