Cooking up Diverse Diets: Advancing Biodiversity in Food and Agriculture through Collaborations with Chefs
Notice bibliographique
Résumé
ABSTRACT Biodiversity in and across food and agriculture systems provides tremendous value to present and future generations. However, across the world we are losing genes, species, and ecosystems faster than we can account for them. With one million plant and animal species at risk of extinction, our society is challenged to address the drivers of ecosystem degradation and species loss. Increasingly, the negative impacts of agriculture and food systems on biodiversity are being raised as well as the global risks to health associated with unhealthy diets. Recent efforts in North America to raise awareness of crop diversity and coordinate plant conservation efforts culminated in a symposium with botanic gardens, agricultural researchers, wild land managers, conservation organizations, academics, and government bodies. The gathering focused primarily on production‐side solutions such as crop diversity, crop wild relative conservation, and agricultural education. Although not present at the symposium, chefs were commonly highlighted and discussed as key collaborators in plant conservation through their important role in connecting consumers to agriculture production and new food plants. This paper shares examples of chefs and culinary programs working to impact agriculture, diets, and plant diversity. To critically assess which chef and culinary programs are having the greatest impact future researched is needed, but as we race to save plant species from extinction, it is clear that chefs connect to consumers in unique ways and are important potential allies in cooking up new sustainable consumption and production patterns that support biodiversity in food systems.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».