MétaCan
Menu
Retour à la cohorte
Enregistrement W3170060144 · doi:10.5539/jfr.v10n4p1

Food Safety Economics in the COVID-19 Pandemic

2021· article· en· W3170060144 sur OpenAlexaffvenueabout
Sylvain Charlebois, Trevor Vandertuin

Notice bibliographique

RevueJournal of Food Research · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésSupply chainPandemicGovernment (linguistics)BusinessSustainabilityFood safetyGlobalizationPublic healthFood processingCoronavirus disease 2019 (COVID-19)Food systemsMarketingFood securityEconomicsGeographyPolitical scienceMedicineInfectious disease (medical specialty)AgricultureMarket economy

Résumé

récupéré en direct d'OpenAlex

The consequences of the COVID-19 pandemic crisis for both food safety and especially the economic sustainability of food production in Canada and around the globe are explored. A full analysis is made of the nature of the virus, and it is spread as they relate to the forces of globalization which have created a global food supply chain, with a focus on the weaknesses of a global supply chain that fell prey to the COVID-19 virus and its associated economic effects. Comparison was made to past outbreaks of Spanish flu and Ebola, both of which challenged public health, food safety, and food supply systems. A more focused analysis examines how public and private responses to the pandemic create opportunities and challenges for several linkages in the supply chain, including farms, food processing facilities, grocery stores and restaurants. The quarantine procedures put in place around the world to manage the COVID-19 necessitated radical shifts in food production and. Ultimately the response from any individual government is insufficient to weather these events, as the fundamentally international and cross-industry factors involved require a holistic, globally coordinated approach which was not possible with the tools available before these events began.

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)0,004
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: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,330
Tête enseignante GPT0,399
Écart entre enseignants0,069 · 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

Citations2
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207