PestOn: An Ontology to Make Pesticides Information Easily Accessible and Interoperable
Notice bibliographique
Résumé
Globally, present regulations treat pesticide use with a light touch, leaving users with scarce reporting requirements in the field. However, numerous initiatives have been undertaken to reduce risks from pesticide product use and provide the public with sufficient information. Nevertheless, food chain actors are not required to disclose much information on hazards, with many undervalued safety aspects. This situation has resulted in information gaps concerning the production, authorization, use, and impact of pesticide products for both consumers and regulatory stakeholders. Often, the public cannot directly access relevant information about pesticides with respect to retail products and their farm origins. National authorities have poor legal tools to efficiently carry out complete investigations and take action to mitigate pesticide externalities. We created the ontology PestOn to bridge these gaps and directly access pesticide product information, making existing data more useful and improving information flow in food value chains. This demonstration project shows how to integrate various existing ontologies to maximize interoperability with related information on the semantic web. As a semantic tool, it can help address food quality, food safety, and information disclosure challenges, opening up several opportunities for food value chain actors and the public. In its first version, the ontology PestOn accounts for more than 16,000 pesticide products that were authorized in Italy during the last 50 years and retrieved from the public pesticide register. The ontology includes information about active ingredients contained in pesticide products, roles, hazards, production companies, authorization status, and regulatory dates. These pieces of information can support agri-food stakeholders in classifying information in the domain of pesticide products and their active ingredients, while reducing unnecessary repetition in research. PestOn can support the addition of food attributes in the domains of human health, resource depletion, and eco-social impact, turning the spotlight on each possible improper use of pesticide products.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,015 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».