Mieux comprendre le rôle de la mobilisation des connaissances dans l’écosystème d’innovation lié à la transformation alimentaire
Notice bibliographique
Résumé
Si l’amélioration de la qualité nutritionnelle de l’offre alimentaire est l’une des voies vers une meilleure santé pour la population, l’écosystème d’innovation conduisant à de tels bénéfices pourrait être mieux articulé. En effet, une meilleure mobilisation des connaissances entre les entreprises bioalimentaires, les centres universitaires de recherche en nutrition et les organismes de santé publique est susceptible d’apporter de tels avantages à la société. Cependant, bien que les entreprises bioalimentaires jouent un rôle central dans l’amélioration de l’offre alimentaire par leur rôle de transformateurs d’aliments, il existe souvent peu de liens entre elles, les centres universitaires de recherche en nutrition et les organisations de santé publique. Mobiliser les connaissances entre ces acteurs a le potentiel de mener à de meilleurs partenariats et à une meilleure compréhension des enjeux de chaque partie. En créant une meilleure communication, les activités, les positions et les liens entre ces institutions ont le potentiel d’être mieux alignés, afin de générer de la valeur sous forme de produits améliorés. Dans cette dynamique, les diététistes/nutritionnistes peuvent s’avérer être des acteurs de changement pour aider à relever les défis de tels rapprochements, dans le but de générer des bénéfices pour tous les acteurs impliqués, et d’instaurer une meilleure mobilisation de l’information dans l’écosystème d’innovation de la transformation bioalimentaire.
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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».