MétaCan
Menu
Retour à la cohorte
Enregistrement W2799998274 · doi:10.1108/sbr-12-2017-0115

Regulating Ontario’s circular economy through food waste legislation

2018· article· en· W2799998274 sur OpenAlexaffabout
Amy DeLorenzo, Kate Parizeau, Mike von Massow

Notice bibliographique

RevueSociety and Business Review · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Waste Reduction and Sustainability
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésLegislationFood wasteValue (mathematics)BusinessCircular economyGovernment (linguistics)Cognitive reframingModernization theoryPublic administrationEconomicsPolitical scienceEconomic growthLawEngineering

Résumé

récupéré en direct d'OpenAlex

Purpose Ontario’s Ministry of Environment and Climate Change seeks to legislate diverse waste streams (including food waste) by implementing Bill 151, known colloquially as the Waste Free Ontario Act. The purpose of this study is to investigate how stakeholders in Ontario’s food and waste systems perceive the prospective legislation. Design/methodology/approach The paper is based on interviews with stakeholders across the food value chain in Ontario, as well as an analysis of legislation and related documents. Findings The paper argues that Bill 151 represents the Province’s commitment to an ecological modernization paradigm. This research uncovers the lines of tension that may exist in the implementation of food waste policy. These lines of tension represent stakeholders’ ideological perspectives on food waste, including whether it signals an efficient or inefficient economy, whether legislation should prioritize economic or environmental goals and whether it is more appropriate for legislation to incentivize desired food waste treatments or penalize/prohibit undesired activities. Originality/value The analysis reveals potential allies in the regulatory process, likely points of contention and areas where greater consensus may be forged, depending on government efforts to reframe the issues at stake.

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)0,013
score de la tête « metaresearch » (Gemma)0,023
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 enseignants0,112
Score d'incertitude au seuil0,813

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0060,007
Communication savante0,0050,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
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 Opus0,038
Tête enseignante GPT0,239
Écart entre enseignants0,201 · 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

Citations24
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSociety and Business ReviewMême sujetFood Waste Reduction and SustainabilityTravaux en français237 207