Contested Sustainabilities: The Post-carbon Future of Agri-food, Rural Development and Sustainable Place-making
Notice bibliographique
Résumé
First paragraphs: Humans eat a lot of meat! According to the Food and Agriculture Organization of the United Nations (FAO), the annual consumption of meat globally in 2013 was 106 lbs. (48 kg) per capita, up from 56 lbs. (25 kg) in 1961 (FAO, 2018). This amount is projected to increase by between 75% and 145% by 2050 (Godfray et al., 2018), due to the strong correlation between increasing per-capita gross domestic product (GDP) and increasing per-capita meat consumption (Tilman and Clark, 2014). And to provide this meat (along with other animal products), there are about 30 billion livestock animals in the world at any given time—four times the number of humans; over 160 billion livestock are slaughtered annually, half of these poultry (FAO, 2018). No wonder that meat’s impact on our planet and our lives is so large. The implied question permeating Wilson Warren’s book is “Why do we eat so much meat?” The title suggests one answer—the belief that Meat Makes People Powerful—and the text makes clear that this is in terms of health, culture, and economics. The final chapters ask a further question—How can we stop eating so much meat? They describe the major role that meat is playing in anthropogenic climate change and environmental pollution in general, as well as in the current global noncommunicable disease pandemic. They also discuss the overwhelmingly negative effects of meat consumption on animal welfare and on social equity. . . .
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».