Evaluación de políticas públicas para la seguridad alimentaria en países con diferentes niveles de desarrollo
Notice bibliographique
Résumé
The aim of this article is to analyze public policy for food security adopted in countries with different development levels. For this purpose, a review in available previous studies was made. We used the country income in order to establish the levels of development, according to the World Bank methodology. The high-income countries selected were United States of America, Australia, New Zealand and Canada; with upper middle-income, Brazil, South Africa and Malaysia; with lower-middle income, China, India and Ecuador; and, on low income cases, Ethiopia, Nigeria and Vietnam. The results show that income inequality between countries and within each nation are determinants of food (in)security. The main causes of food insecurity in high-income countries and upper middle are disparities related to ethnicity/race, gender, income and education. In countries with low and lower middle income, inefficiency in institutions, low technology employed in agriculture and, in turn, low productivity are the main determining factors for food insecurity. Compensatory policies, although no long-term effectiveness are important integrating factor of the population placed on the banks of consumption by historical factors. As for the problems brought by excessive food consumption, obesity begins as a problem among groups of socioeconomic status higher in low-income countries, but as the country’s income grows, the risk of obesity reach poorest population increases. Interventions should be undertaken in order to make healthy food more accessible to low-income population. To do this, it is necessary the combination of agricultural policy, pricing policies, regulatory actions and education on consumption.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».