MétaCan
Menu
Retour à la cohorte
Enregistrement W3182392459 · doi:10.1007/s12571-021-01185-5

Contribution of traditional fermented foods to food systems transformation: value addition and inclusive entrepreneurship

2021· article· en· W3182392459 sur OpenAlexfundno aff
Valentina Cristiana Materia, Anita R. Linnemann, Eddy J. Smid, Sijmen E. Schoustra

Notice bibliographique

RevueFood Security · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensnon disponible
Organismes subventionnairesNederlandse Organisatie voor Wetenschappelijk OnderzoekFP7 People: Marie-Curie ActionsEuropean CommissionUniversity of Ottawa
Mots-clésEntrepreneurshipFood securityPromotion (chess)Food processingBusinessAgricultureFood systemsMalnutritionFood fortificationMarketingEconomic growthBiotechnologyFood scienceEconomicsEnvironmental healthPolitical scienceMedicineGeographyPopulation

Résumé

récupéré en direct d'OpenAlex

Abstract To date, many efforts to eradicate hunger include increasing agricultural production, processing of raw materials and supplementation, and fortification of foods. Locally produced foods represent a significant part of Food Systems as they contribute to tackling hunger and malnutrition. However, few studies have investigated the processing of traditional fermented foods at household level as a means to improve nutrition and triggering inclusive entrepreneurship, two crucial dimensions Food Systems build on. Fermentation is an ancient processing technique that relies on transformation of raw materials by microbial activity and is mainly undertaken by women. This paper posits that upscaling small scale fermented food processing activities while enhancing functional food properties and fostering women entrepreneurship contributes to prevention of food losses, promotion of nutrition and health, and entrepreneurial opportunities for current processors. This is key for effective policy interventions to foster food security in challenging contexts.⨪.

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)0,002
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 enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0040,001
Science ouverte0,0000,004
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,011
Tête enseignante GPT0,214
Écart entre enseignants0,203 · 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

Citations66
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood SecurityMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207