A systems approach to navigating food security during COVID-19: Gaps, opportunities, and policy supports
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The COVID-19 pandemic has highlighted a series of concatenating problems in the global production and distribution of food. Trade barriers, seasonal labor shortages, food loss and waste, and food safety concerns combine to engender vulnerabilities in food systems. A variety of actors—from academics to policy-makers, community organizers, farmers, and homesteaders—are considering the undertaking of creating more resilient food systems. Conventional approaches include fine-tuning existing value chains, consolidating national food distribution systems and bolstering inventory and storage. This paper highlights three alternative strategies for securing a more resilient food system, namely: (i.) leveraging underutilized, often urban, spaces for food production; (ii.) rethinking food waste as a resource; and (iii.) constructing production-distribution-waste networks, as opposed to chains. Various food systems actors have pursued these strategies for decades. Yet, we argue that the COVID-19 pandemic forces us to urgently consider such novel assemblages of actors, institutions, and technologies as key levers in achieving longer term food system resilience. These strategies are often centered around principles of redistribution and reciprocity, and focus on smaller scales, from individual households to communities. We highlight examples that have emerged in the spring-summer of 2020 of household and community efforts to reconstruct a more resilient food system. We also undertake a policy analysis to sketch how government supports can facilitate the emergence of these efforts and mobilization beyond the immediate confines of the pandemic.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle