MétaCan
Menu
Retour à la cohorte
Enregistrement W3016477893 · doi:10.1111/cjag.12235

Agriculture, transportation, and the COVID‐19 crisis

2020· article· en· W3016477893 sur OpenAlexaffvenueabout
Richard Gray

Notice bibliographique

RevueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomie · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésBusinessAgricultureSupply chainCoronavirus disease 2019 (COVID-19)Industrial organizationMarketing

Résumé

récupéré en direct d'OpenAlex

Abstract In this short paper, I assess how COVID‐19‐related disruptions in transportation services, as well as new demands for transportation services, could impact Canadian agricultural supply chains. The brief analysis reveals that agricultural access to bulk ocean freight, rail movement, and trucking has generally improved in the pandemic, bolstered by the reduced demand for these transportation services by other sectors of the economy. The intermodal containerized movement of grains and food products has seen some disruption from the lack of empty containers in North America. The widespread consumer adoption of physical distancing measures has vastly increased the demand for retail food pickup and delivery services to the point where these services are being rationed by long wait times. From a policy perspective, there is an apparent need for (a) continued supply chain monitoring and industry engagement, (b) the proactive development of strategies to deal with absenteeism and other potential threats to the supply chain, and (c) an assessment of the economic and health merits of providing additional public resources to provide greater access to grocery pickup and delivery services.

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)0,002
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 enseignants0,416
Score d'incertitude au seuil0,836

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,045
Tête enseignante GPT0,183
Écart entre enseignants0,138 · 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

Citations315
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomieMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207