MétaCan
Menu
Retour à la cohorte
Enregistrement W3109945608 · doi:10.2478/jles-2020-0013

Legal Barriers and Quality Compliance in the Business of Biofertilizers and Biopesticides in India

2020· article· en· W3109945608 sur OpenAlexafffund
Hasrat Arjjumend, Konstantia Koutouki

Notice bibliographique

RevueJournal of Legal Studies · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal trade, sustainability, and social impact
Établissements canadiensUniversité de MontréalMcGill University
Organismes subventionnairesMitacs
Mots-clésBusinessBiopesticideGovernment (linguistics)AgricultureBiofertilizerMarketingBiotechnology

Résumé

récupéré en direct d'OpenAlex

Abstract Biofertilizers and biopesticides (together known as ‘biologicals’) hold the potential to increase farmers’ current agricultural productivity, while at the same time contributing to the soil’s ability to produce more in the future. However, the legal registration of microbial products and the operation of businesses dealing in biologicals face certain barriers, which ultimately affect the expansion and widespread use of these green products in Indian agriculture. By involving manufacturers, suppliers and traders of biologicals, as well as government officers dealing with biologicals in India, a study was conducted using participatory methods of semi-structured interviews, structured interviews and informal discussions. This article explores the participants’ perceptions and understanding of the barriers, obstacles and issues in the registration, licensing, proliferation and business operations surrounding the manufacturing, sale, trade, import, export, storage, use, and transport of microbial products. Numerous barriers to business and trade in microbial green products – biofertilizers and biopesticides – are identified. Nevertheless, certain weaknesses related to quality compliance and monitoring are also identified on the part of the manufacturers and suppliers of these biologicals, indicating that the government’s regulatory system must be more efficient and competent in handling these processes.

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)0,012
score de la tête « metaresearch » (Gemma)0,034
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,034
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0100,012
Communication savante0,0090,004
Science ouverte0,0020,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,088
Tête enseignante GPT0,337
Écart entre enseignants0,249 · 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
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

Citations10
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Legal StudiesMême sujetGlobal trade, sustainability, and social impactTravaux en français237 207