MétaCan
Menu
Retour à la cohorte
Enregistrement W3044321050 · doi:10.5539/ass.v16n8p33

Implications of Risk Governance in Genetically Modified Food: A Comparative Discussion on European and United States Contexts

2020· article· en· W3044321050 sur OpenAlexvenueno aff
Azizul Hassan, Nazma Afroz

Notice bibliographique

RevueAsian Social Science · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetically Modified Organisms Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCorporate governanceRisk governanceEuropean unionRisk assessmentPopulationPolitical scienceRisk managementBusinessEnvironmental resource managementInternational tradeEconomicsSociologyFinance

Résumé

récupéré en direct d'OpenAlex

The rapid growth of world population has increased the demand for Genetically Modified Food (GMF) to fulfill the global nutritional needs. Simultaneously, it also needs to understand the cross-national contexts based on the risk governance of this newly emergence of food technologies. Thus, the paper tries to exhibit a comparison on GMF between United States (US) and European Union (EU) using the risk governance framework. Hence, the study uses the risk governance framework as a model that incorporates risk assessment, concern assessment, risk characterization and evaluation, risk management, and risk communication. The paper is based on secondary source of data collection and the two areas (US and EU) is purposively selected for this comparative discussion. The result shows recent controversies on usage of GMF between US and EU highlighting the apparent differences that does exist in all spheres of risk governance.

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)0,000
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 enseignants0,984
Score d'incertitude au seuil0,265

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,049
Tête enseignante GPT0,288
Écart entre enseignants0,240 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetGenetically Modified Organisms ResearchTravaux en français237 207