Revisión de bases de datos existentes y relevantes en el fraude y autenticidad alimentarias
Notice bibliographique
Résumé
El fraude y la autenticidad alimentaria es un problema global que va en aumento y afecta a todas las etapas de la cadena alimentaria. Los consumidores demandan que los alimentos cumplan con las especificaciones que se indican en el etiquetado y las autoridades tienen el papel de establecer medidas para garantizar que éstos sean seguros. Desafortunadamente, debido a la gran complejidad para detectar el fraude alimentario, muchos casos pasan desapercibidos provocando que se mantengan dentro de la cadena de suministro de alimentos hasta llegar al consumidor final. A pesar de que los principios de las buenas prácticas en la fabricación alimentaria deben garantizar que los productos fabricados cumplan con las especificaciones de calidad marcadas por los organismos de salud, las empresas alimentarias necesitan tener acceso a herramientas de consulta fiables para asegurar la procedencia y seguridad de los productos que reciben. Este estudio recoge información relacionada con el fraude y la autenticidad alimentaria, y evalúa el acceso que tiene la industria y en particular, las pequeñas y medianas empresas (PYMES), a la información contenida en bases de datos on-line. Se han establecido varias categorias, y todas las bases de datos contenidas en cada una de ellas, han sido analizadas y seleccionadas según su estructura y relevancia para los usuarios. Todas las bases de datos incluidas han sido extraidas de internet y están desarrolladas tanto por organismos públicos, como privados, por lo que están destinadas a llegar a un gran número de usuarios. También se ha realizado un estudio general de bases de datos relevantes que han sido desarrolladas en proyectos europeos.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».