Strategies to Reduce Food Loss in the Global South
Notice bibliographique
Résumé
Approximately one third of the world’s food is lost, and reducing this represents an important strategy for promoting more sustainable food systems and addressing global food insecurity. This paper presents a preliminary assessment of the socio-economic factors that are significant in causing food loss in developing countries. These countries were chosen because the majority of food waste in poorer nations happens on or around the farm and is due to inefficient storage and processing facilities (by contrast, the majority of food waste in the global north is caused by consumers or retailers and, hence, is a very different problem). To explore this topic, we conducted a multivariate panel data analysis where the volume of food loss in 93 countries over 20 years was used as the dependent variable and a range of socio-economic factors were used as independent variables. Results show that, for the countries in the global south, variables related to wealth, agricultural machinery, transportation, and telecommunications were significant in explaining the amount of lost food. We used these results to model the effectiveness of different hypothetical policies designed to reduce food loss and estimate that up to 49% of food loss could be averted by improving each countries’ performance on these variables. While these results seem to offer huge opportunities to improve the sustainability of global agricultural systems and address global food security, this paper concludes on a note of caution: as countries grow wealthy enough to address the food lost by challenges associated with on-farm issues, these same countries may start to experience more food waste at the consumer/retailer end of the food chain. Therefore, any attempt to reduce on-farm food loss in lower income countries must be met with policies to reduce the emerging problems of food waste amongst consumers and retailers.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».