MétaCan
Menu
Retour à la cohorte
Enregistrement W2727220367 · doi:10.1080/21683565.2018.1468381

“We see a real opportunity around food waste”: exploring the relationship between on-farm food waste and farm characteristics

2018· article· en· W2727220367 sur OpenAlexafffund
Arlene Janousek, Sean Markey, Mark Roseland

Notice bibliographique

RevueAgroecology and Sustainable Food Systems · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Waste Reduction and Sustainability
Établissements canadiensSimon Fraser University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésFood wasteSustainabilityAgricultureBusinessFood systemsSustainable agricultureFood chainAgricultural economicsBiodegradable wasteAgricultural scienceNatural resource economicsEnvironmental planningFood securityWaste managementEnvironmental scienceEconomicsEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

The objectives of this research are to provide a better understanding regarding whether organic food producers produce more or less waste than nonorganic food producers, if food waste management practices differ between organic and conventional food producers, and what role producer food waste practices play in agricultural sustainability. This qualitative study found no conclusive differences between organic and nonorganic food producers regarding volume and management of on-farm food waste; however, different farm characteristics were found to intersect in numerous ways, resulting in a variety of impacts associated with on-farm food waste. Additionally, all research participants indicated that the factor most likely to encourage them to address on-farm food waste is cost savings. To fully address food waste, actions oriented toward minimizing and sustainably managing food waste must be undertaken in a collaborative manner across all stages of the food supply chain.

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)0,005
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,006
Communication savante0,0030,005
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,082
Tête enseignante GPT0,257
Écart entre enseignants0,175 · 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'étudeObservationnel
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

Citations21
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAgroecology and Sustainable Food SystemsMême sujetFood Waste Reduction and SustainabilityTravaux en français237 207