MétaCan
Menu
Retour à la cohorte
Enregistrement W2531521956 · doi:10.3390/su8101007

Emergent Imaginaries and Fragmented Policy Frameworks in the Canadian Bio-Economy

2016· article· en· W2531521956 sur OpenAlexafffundabout
Kean Birch

Notice bibliographique

RevueSustainability · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBioeconomy and Sustainability Development
Établissements canadiensYork University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésVisionPillarOrder (exchange)EconomyEconomic systemProduction (economics)European unionEconomicsBusinessEconomic policyEngineering

Résumé

récupéré en direct d'OpenAlex

Climate change means that countries like Canada need to find suitable transition pathways to overcome fossil-fuel dependence; one such pathway is the so-called ‘bio-economy’. The bio-economy is a term used to define an economic system in which biological resources (e.g., plants) form the basis of production and production processes. For example, it would involve the replacement of petroleum energy, inputs, chemicals, and products with bioenergy, biological inputs, bio-chemicals, and bio-products. A number of countries and jurisdictions have established policy strategies in order to promote and support the development of a bio-economy, exemplified by the European Union where the bio-economy represents a key pillar in its broader Horizon 2020 strategy. Other countries, like Canada, do not yet have an over-arching bio-economy strategy, but have a series of diverse, and often competing, policy visions and frameworks. It is useful to analyse countries like Canada in order to understand how these policy visions and policy frameworks are co-constituted, and what this might mean for the development of an over-arching bio-economy strategy. This raises a number of questions: How is the bio-economy imagined by different social actors? How are these imaginaries and policy frameworks co-produced?

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)0,008
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,787
Score d'incertitude au seuil0,913

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0190,052
Communication savante0,0190,007
Science ouverte0,0020,006
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,006
Tête enseignante GPT0,221
Écart entre enseignants0,215 · 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'étudeQualitatif
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

Citations52
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetBioeconomy and Sustainability DevelopmentTravaux en français237 207