MétaCan
Menu
Retour à la cohorte
Enregistrement W3150767179

IMPACTS OF U.S. COUNTRY OF ORIGIN LABELING ON U.S. HOG PRODUCERS

2003· preprint· en· W3150767179 sur OpenAlexaboutno aff
Kevin Grier, David M. Kohl

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2003
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Economics and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDisadvantagePurchasingLivestockBusinessEconomic impact analysisAgricultural economicsOrder (exchange)Variety (cybernetics)International tradeAgricultural scienceEconomicsGeographyMarketingPolitical scienceFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Country of Origin Labeling (COOL) is a component of the 2002 US Farm Bill. The provision requires that fresh meat and produce be labeled as to the country of origin at retail in the United States. For a variety of reasons that have been addressed in previous research projects, (Meyer and Hayes for example) COOL could potentially result in the reduction or elimination of the trade in livestock between Canada and the United States. More particularly, for the purposes of this project, COOL could eliminate the annual movement of up to 6 million hogs from Canada to the United States. The purpose of this project is to identify the possible economic, structural and social damage COOL could inflict directly on US hog farmers and processors if the imports of Canadian hogs were stopped. In order to achieve that purpose, the project had the following objectives: 1. Search and examine existing research on the impact of COOL in the United States. 2. Profile US farms purchasing Canadian weanlings. 3. Determine the economic disadvantage from the loss of Canadian weaner imports due to COOL. 4. Determine the social, environmental and economic cost of building U.S. sow units. 5. Determine the economic disadvantage on the US pork packing sector. 6. Determine the potential hog price impact. 7. Examine cost of compliance issues.

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)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,697
Score d'incertitude au seuil0,553

Scores Codex et Gemma par catégorie

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

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 Opus0,039
Tête enseignante GPT0,302
Écart entre enseignants0,263 · 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.

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

Citations1
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetAgricultural Economics and PolicyTravaux en français237 207