MétaCan
Menu
Retour à la cohorte
Enregistrement W2728848720 · doi:10.1108/s1057-192220170000024001

The Financialization of Farming: The Hancock Company of Canada and its Embedding in Rural Australia

2017· book-chapter· en· W2728848720 sur OpenAlexaboutno aff
Sarah Ruth Sippel, Geoffrey Lawrence, David Burch

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing, Finance, and Neoliberalism
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Queensland
Mots-clésFinancializationAgricultureBusinessPurchasingNewspaperFinanceInvestment (military)Asset (computer security)PoliticsGeographyMarketingPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract This chapter examines the involvement of finance companies in the purchasing and leasing of Australian farmlands. This is a new global phenomenon as, in past decades, finance companies have lent money to farmers, but have rarely sought to purchase land themselves. We investigate and discuss the activities of the Hancock company – an asset management firm that invested in farmland in northern NSW. Material on the activities of Hancock and other investment firms were obtained from documents on the public record, including newspaper reports. Semi-structured interviews with community members were conducted in the region of NSW where Hancock operated. Australian agriculture is being targeted for investment by companies in the finance industry – as part of a growing ‘financialization’ of farming. While it is financially beneficial for companies to invest, they do not do so in ‘empty spaces’ but in locations where people desire to live in a healthy environment. The Hancock company was criticized by community residents for failing to recognize the concerns of local people in pursuing its farming activities. To date, there have been few studies on the financialization of farming in Australia. By investigating the operations of the Hancock company we identify a number of concerns emerging, at the community level, about an overseas company running Australian-based farms.

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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,122
Score d'incertitude au seuil0,246

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0090,005
Communication savante0,0060,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,044
Tête enseignante GPT0,241
Écart entre enseignants0,197 · 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

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHousing, Finance, and NeoliberalismTravaux en français237 207