MétaCan
Menu
Retour à la cohorte
Enregistrement W2503808352 · doi:10.1057/978-1-137-53837-6_11

Future of Food and Agriculture in the Caribbean in the Context of Climate Change and Globalization: Where Do We Go from Here?

2016· book-chapter· en· W2503808352 sur OpenAlexaff
Clinton L. Beckford, Kevon Rhiney

Notice bibliographique

RevuePalgrave Macmillan UK eBooks · 2016
Typebook-chapter
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueUrban Agriculture and Sustainability
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésGlobalizationContext (archaeology)AgricultureClimate changePolitical scienceDevelopment economicsGeographyPolitical economyEconomic growthSociologyEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

In this chapter, we seek to synthesize the key themes, findings, lessons, and implications raised in the preceding chapters. Our aim is to make some generalizations about the interface between globalization, climate change, and agriculture and food in the Caribbean. We will focus on the lessons learned from the research and suggest some critical steps the Caribbean region might consider in addressing the dual threat of globalization and climate change—double exposure. We will consider where the region stands in its response to globalization and climate change. For example, are there opportunities we are missing in the banana, coffee, and sugar industries? Globalization is often discussed in terms of the inequities and how it disadvantages developing countries vis-à-vis the developed countries. But it is now clear that globalization presents opportunities if countries position themselves to take advantage of these. Based on the insights provided by the respective authors, and a broader analysis of the extant literature, we discuss ideas to reduce the adverse impact of globalization and climate change on the agricultural sector in the region.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,095
Score d'incertitude au seuil0,190

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0040,004
Communication savante0,0080,005
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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 Opus0,016
Tête enseignante GPT0,199
Écart entre enseignants0,183 · 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 source (Gemma direct ou Codex distillé), 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
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

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePalgrave Macmillan UK eBooksMême sujetUrban Agriculture and SustainabilityTravaux en français237 207