MétaCan
Menu
Retour à la cohorte
Enregistrement W4293332337 · doi:10.15454/1.5137751023185098e12

VARAPE : des outils pour accompagner les démarches collectives de valorisation des produits des races à petits effectifs

2017· preprint· en· W4293332337 sur OpenAlexaff
C. Couzy, Lucie Markey, Anne Lauvie, Annick Audiot, Fanny Thuault, Geoffrey Chiron

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2017
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensCégep de Saint-Laurent
Organismes subventionnairesnon disponible
Mots-clésPolitical science

Résumé

récupéré en direct d'OpenAlex

After a rare breed is out of danger of extinction, the question of its products’ added value arises. But these products are often far from standards and always rare. The analysis of 29 projects confirmed and reinforced the knowledge about opportunities or difficulties related to rare breeds value-creation. It brought to light that breeders groups can take advantage of their breeds’ characteristics by transforming their constraints into attracting features. But some points are hard to overcome. The analysis of experiences led to the creation of the “Varape” - for “Valorization of the Rare Breeds” – guide and other productions, by identifying the questions the breeders groups have to investigate, and the conditions of success of different strategies (brand, PDO, joint marketing…). These tools are intended for breeders groups who plan to create a collective network for adding value to products of a rare breed. They allow making an assessment of the breed’s situation (number of animals and breeders, geographic distribution…), of its products (existing or to be developed) and of the group’s functioning (existing partners and available supports, internal working…), in order to help the group that carries the valorization project to set aims and a realistic action plan. The guide also proposes a variety of resources (about official quality labels, short distribution channels…) as a resource for thought.

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)0,007
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,003
Communication savante0,0080,006
Science ouverte0,0020,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0220,007

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 Opus0,039
Tête enseignante GPT0,259
Écart entre enseignants0,220 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)Même sujetAgriculture and Rural Development ResearchTravaux en français237 207