Reviewing initiatives to promote sustainable supply chains: The case of forest-risk commodities
Notice bibliographique
Résumé
The continued growth in demand for a relatively small number of agricultural and forest commodities in global trade has placed increasing pressures on forests across landscapes in the tropics and sub-tropics. These pressures are amplified by growing domestic demand in producing countries. Such trends have led to multiple environmental challenges linked to loss of forests and biodiversity and rising carbon emissions. They also create social challenges including threats to local food security, tenure rights and the livelihoods of indigenous peoples and local communities. Expansion of trade in forest-risk commodities over the past three decades has resulted in increased pressure from civil society organizations, consumers, international banks and shareholders of consumer goods companies to develop and implement a diverse array of instruments and tools to promote sustainable or deforestation-free sourcing, and as a way to reduce exposure to reputational, financial and regulatory risks. Multi-stakeholder platforms and commodity roundtables also emerged, in response to criticisms of government failures. The multiplication of sustainability initiatives has been driven by the growing complexity and diversity of conditions under which agri-food and timber supply chains operate. Private sector actors have increasingly defined and monitored their own sustainability performance by using certification standards or by developing their own procedures and criteria. More recently, a discernible shift toward landscape or jurisdictional approaches is seen as a way to meet sustainability goals. The growing complexity of policy regimes, inevitably, results in ambiguities and can lead to tradeoffs between gains and losses. This review presents a synthesis of the multiple public, private and hybrid governance initiatives that aim to promote sustainable supplies of key forest-risk commodities. It aims to make it easier to understand a vast and rapidly expanding literature. By drawing on the published literature and scientific discussions, including the recent FTA 2020 Science Conference, the review highlights some of the outstanding challenges that urgently need to be addressed in order to achieve the targeted impacts.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».