Pure Economic Loss and Agricultural Biotechnology: Comparing Australia, Canada and the Unites States
Notice bibliographique
Résumé
Social responses to innovations have varied across time. Regulations have been used in an attempt to limit the uptake of innovations (e.g. coffee), violence has been used (e.g. Luddites), experts have tried to convince individuals that an innovation is dangerous to their health (e.g. train travel) and courts have been used to attempt to control or reduce the market share of an innovation (e.g. Microsoft). In the case of agricultural biotechnology, all of these responses have been employed to varying degrees of success: regulations have been put in place in numerous countries that ban the production of genetically modified (GM) crops; violence has been a tool of NGOs opposed to GM crops as they have destroyed field trials; experts have argued in select instances that the consumption of food products derived from GM crops are dangerous to human health; and those opposed to GM crops in the United States are using the courts to seek injunctions against commercial release of new GM varieties and to argue that regulatory protocols were not properly followed. The most common responses by far, and the focus of this paper, is the employment of regulations and the use of courts. The concept of economic loss in relation to innovation posits that those negatively impacted by the innovation of GM crops are entitled to compensation that offsets the externality. For example, Denmark has established a compensation fund that taxes GM crop adopters, creating a revenue pool to compensate those farmers adversely impacted by the adoption of GM crops in Denmark. In undertaking a thorough assessment of applying economic loss to GM crops, this paper will evaluate the efficiencies of having compensation funded via government efforts versus the use of the court system. The paper will compare and contrast the situation in Australia, Canada and the United States.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».