Closing Research Investment Gaps for a Global Food Transformation
Notice bibliographique
Résumé
Recent calls for a global food transformation have centered on simultaneously improving human and environmental health, recognizing that food and nutrient diversity have declined over time while food systems have exacted a heavy climate and ecological toll. Grain legumes and coarse grain crops provide important human nutrition and environmental benefits, but the production and consumption of many of these crops remains relatively low compared to major commodities, such as maize, wheat, rice, and soy. Outstanding hurdles to scaling up these “minor commodity” crops include (among other things) their relatively lower yields, and lower farmer adoption, based partly on actual or perceived profitability and marketability. We hypothesize that these limitations are attributable in part to unequal funding for these crops' research and development (R&D) both on a national and global scale. In the United States, we show that investment patterns for a snapshot of USDA-funded research grants from 2008 to 2019 consistently favor major commodity crops, which received 3 to 4.5 times more funding and 3 to 5 times as many grants than the minor commodity crop groups. This current USDA funding allocation poses a barrier to food system transformations. Achieving nutritious diets for planetary health requires more public agricultural investment toward minor commodity crops and increased collaboration between public health, nutrition, agriculture, and environmental sectors.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,049 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,013 | 0,022 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,011 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,042 | 0,006 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».