Food systems during the COVID-19 pandemic: vulnerabilities, adaptations, and resilience
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract This paper reviews the emerging literature on food systems and food supply chains during the COVID-19 pandemic. Four themes are explored: consumer demand and retail market effects; supply-side shocks; food system and supply chain resilience; and developing countries and food insecurity. The effect of demand-side shocks is explored, including the sudden shift in expenditures from food service to food retail. Longer-run structural changes in the food retailing landscape include the expansion of online food delivery. The effect of supply-side shocks is examined extensively in the literature, including short-run adaptations as supply chains pivoted from the food service sector to food retail, along with supply-side disruptions due to labour force outbreaks of COVID-19. Resilience is a common theme in the literature, at both food system and food supply chain levels. While a variety of perspectives are offered, most assessments point to a surprising degree of resilience and adaptability, while identifying the points of vulnerability. The pandemic increased food insecurity through the effect on household incomes from reduced labour mobility, lockdowns, and a contraction in economic activity. These effects were particularly prominent among vulnerable populations in developing countries. Significant attention has been paid to the short- and medium-run effects of the pandemic on food systems, with further research needed to understand any longer-term structural changes that may arise. The COVID-19 pandemic offers lessons for the robustness of food systems and the importance of timely, well-informed policy responses in preparation for future global shocks.
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.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle