MétaCan
Menu
Retour à la cohorte
Enregistrement W3027446054 · doi:10.13140/rg.2.2.10891.23840

Policy Brief 3: Research and Innovation Supporting the Farm to Fork Strategy of the European Commission

2020· article· en· W3027446054 sur OpenAlexaff
Roberta Sonnino, C. Callenius, Liisa Lähteenmäki, John van Breda, J. Cahill, Patrick Caron, Z. Damianova, Mirjana Gurinović, T. Lang, C. Mango, J. Ryder, G. Verburg, T.J. Achterbosch, Alanya C.L. den Boer, Kristiaan P.W. Kok, Jacqueline E. W. Broerse, M. Gill

Notice bibliographique

RevueVU Research Portal · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueOrganic Food and Agriculture
Établissements canadiensAthena Sustainable Materials Institute
Organismes subventionnairesEuropean Commission
Mots-clésFood securityFork (system call)Food systemsBusinessCitizen journalismLeverage (statistics)European commissionSustainabilitySustainable developmentCommissionParticipatory action researchMarketingPolitical scienceEconomic growthEconomicsEngineeringEuropean unionAgricultureInternational tradeGeography

Résumé

récupéré en direct d'OpenAlex

The EU Think Tank(as part of theFIT4FOOD2030 Coordination and Support Action) strongly supports the development of the Farm to Fork Strategy as a key component of the European Green Deal, recognising the need to transform the food system as a whole. This policy brief calls for innovative approaches tothe Farm to Fork Strategy to provide practical answersto two central questions: i) how can a shift towards healthier and more sustainable diets be facilitated?;and ii) how can all actors in the food system be empoweredto adopt more sustainable practices? Answers tothese questions raise the need fornew transdisciplinary, multi-actor and participatory Research and Innovation (R&I)approachesthat enable citizens,farmers, fishers, food processors, distributors, retailers and consumers to contribute to more coherent, cross policy-sector food initiatives that leverage on European food systems to deliver a balance of public goods (including food security and environmental integrity).

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)0,078
score de la tête « metaresearch » (Gemma)0,102
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,414

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0780,102
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0040,005
Études des sciences et des technologies0,0060,004
Communication savante0,0280,016
Science ouverte0,0060,009
Intégrité de la recherche0,0710,016
Charge utile insuffisante (le modèle a refusé de juger)0,0330,005

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 Opus0,159
Tête enseignante GPT0,382
Écart entre enseignants0,222 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVU Research PortalMême sujetOrganic Food and AgricultureTravaux en français237 207