MétaCan
Menu
Retour à la cohorte
Enregistrement W3206567966 · doi:10.3390/land10101090

Comprehensive Food System Planning for Urban Food Security in Nanjing, China

2021· article· en· W3206567966 sur OpenAlexafffund
Taiyang Zhong, Zhenzhong Si, Steffanie Scott, Jonathan Crush, Kui Yang, Xianjin Huang

Notice bibliographique

RevueLand · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueUrban Agriculture and Sustainability
Établissements canadiensUniversity of WaterlooBalsillie School of International Affairs
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaInternational Development Research Centre
Mots-clésFood securityChinaBusinessEnvironmental planningFood insecurityFood systemsUrban planningEconomic shortageEconomic growthGeographyEnvironmental resource managementEconomicsAgricultureGovernment (linguistics)EngineeringCivil engineering

Résumé

récupéré en direct d'OpenAlex

Food system planning is important to achieve the goal of “zero hunger” in the UN’s 2030 Agenda for Sustainable Development (UN, 2016). However, discussion about comprehensive planning for food security is scarce and little is known about the situation in Chinese cities. To narrow this gap, this study collected and analyzed four medium-term plans and two annual plans for the “vegetable basket project” in Nanjing, China. This study examines the strategies for urban food security in Nanjing to shed light on how the city developed a comprehensive approach to food system planning over the past three decades. The evolution of incremental food system planning in Nanjing provides valuable lessons for other cities facing food security challenges and shortages of financial resources. Reducing food insecurity is an ongoing challenge for the city governments in the Global South and comprehensive planning is a useful tool for addressing the challenge of urban food insecurity.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,115
Score d'incertitude au seuil0,229

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,017
Tête enseignante GPT0,211
Écart entre enseignants0,194 · 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

Citations21
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLandMême sujetUrban Agriculture and SustainabilityTravaux en français237 207