MétaCan
Menu
Retour à la cohorte
Enregistrement W2792905396

No. 03: The Urban Food System of Cape Town, South Africa

2017· article· en· W2792905396 sur OpenAlexfundno aff
Gareth Haysom, Jonathan Crush, Mary Caesar

Notice bibliographique

RevueScholars Commons (Wilfrid Laurier University) · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueUrban Agriculture and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaInternational Development Research Centre
Mots-clésCapeGeographyArchaeology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Cape Town is South Africa’s second largest city and plays a critical role in the national economy. Despite its apparent wealth, Cape Town is very unequal in terms of food security with many areas experiencing high levels of food insecurity. The city’s urban food insecurity challenge is multi-dimensional with determining factors including the size of the city, its urbanization pattern, the legacy of apartheid, and economic marginalization. South Africa’s apartheid legacy is a food system with high levels of concentration in all aspects of the food value chain. For example, there are 5-6,000 wheat farmers but the four main millers control 87% of the market and are integrated with plant bakers. The food system in South Africa has undergone rapid transformation in the last two decades with the expansion and growing control of supermarket chains. Engaging in similar activities as the formal food sector is an active and vibrant informal system. The only difference is effectively one of visibility, in terms of policy and law. The informal sector remains largely illegal, despite the fact that it and the formal sector in Cape Town are directly connected and often reliant on one another. Food trade is a significant component of Cape Town’s informal economy, which plays a major role in making food accessible to low-income households and has a distinctive micro-geography to maximize accessibility.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,149
Score d'incertitude au seuil0,296

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0440,002

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 Opus0,017
Tête enseignante GPT0,178
Écart entre enseignants0,160 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholars Commons (Wilfrid Laurier University)Même sujetUrban Agriculture and SustainabilityTravaux en français237 207