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 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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,492

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0040,003
Communication savante0,0050,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 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'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