MétaCan
Menu
Retour à la cohorte
Enregistrement W2965056078 · doi:10.1515/jafio-2019-0015

The GMO Pipeline, Import Bans and Asynchronous Approvals – The Impact on Agricultural Trade

2019· article· en· W2965056078 sur OpenAlexaff
Marija Pavleska, William A. Kerr

Notice bibliographique

RevueJournal of Agricultural & Food Industrial Organization · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetically Modified Organisms Research
Établissements canadiensUniversity of SaskatchewanUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésInternational tradeComputable general equilibriumExternalityAgricultureEconomicsAgricultural biotechnologyInternational economicsCommercializationNegotiationBusinessAgricultural economicsMicroeconomicsBiology

Résumé

récupéré en direct d'OpenAlex

Abstract The divergence in approaches to regulation of genetically modified organisms (GMOs) among countries is a contentious policy issue that has externalities that inhibit trade in agricultural products. One result is that approvals of GMO events is internationally asynchronous. Countries whose approval processes are slower or more stringent often impose import bans or other non-tariff barriers on imports of GM products they have rejected or have yet to approve. These trade barriers have been the subject of considerable investigation. As more and more GMO events are approved in some countries, but not in others, the probability of unintended mingling of GM crops in shipments of non-GM crops increases. Shipments of non-GM crops with a low level presence of non approved GM crops are routinely rejected by importing countries. This growing disruption to trade has not received a great deal of attention. This paper uses information from the GMO research and commercialization pipeline to estimate the potential impact of increases in mingling on international trade flows using a CGE model – GTAP. The results suggest that the growing potential for mingling will have a considerable detrimental impact on trade flows and, hence, tolerance levels should be an important question for multilateral trade negotiations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,803
Score d'incertitude au seuil0,497

Scores Codex et Gemma par catégorie

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

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 Opus0,021
Tête enseignante GPT0,228
Écart entre enseignants0,207 · 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 tête enseignante, 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural & Food Industrial OrganizationMême sujetGenetically Modified Organisms ResearchTravaux en français237 207