MétaCan
Menu
Retour à la cohorte
Enregistrement W3148134918 · doi:10.1111/cjag.12276

The Canadian pork industry and COVID‐19: A year of resilience

2021· article· en· W3148134918 sur OpenAlexaffvenueabout
Ken McEwan, Lynn Marchand, Max Zongyuan Shang

Notice bibliographique

RevueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomie · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésConsumption (sociology)BusinessPer capitaEconomic shortageResilience (materials science)AgriculturePsychological resilienceCoronavirus disease 2019 (COVID-19)ChinaAgricultural economicsSupply chainEconomicsMarketingGeographyGovernment (linguistics)Environmental health

Résumé

récupéré en direct d'OpenAlex

Abstract While COVID‐19 had the potential to be extremely disruptive to the Canadian pork supply chain, the sector showed resiliency by adjusting to market changes to ensure industry continuation. Unlike other non‐agricultural firms that were mandated to close at times, the pork sector was deemed an essential service and allowed to continue operating throughout the pandemic. Evidence of this resiliency is seen in three main ways. First, market access to the United States was maintained for both live pigs and pork exports. Second, Canada not only maintained market share in global pork exports, but it also actually increased shipments because of strong demand from China caused by African swine fever. Third, the challenges of processing plant closures and labour shortages were overcome in a variety of ways including increasing interprovincial shipments and increasing live pig exports to the United States. Pork consumption on a per capita basis continued the historical downward trend, and it is expected that consumers will return to their normal consumption patterns (e.g., dining at restaurants) despite job losses. At the meat processing level, it is anticipated that there will be an acceleration in the process to automate.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,559
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,041
Tête enseignante GPT0,199
Écart entre enseignants0,158 · 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.

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

Citations23
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomieMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207