MétaCan
Menu
Retour à la cohorte
Enregistrement W4299879846 · doi:10.1111/ajae.12349

Upside risk, consumption value, and market returns to food safety

2022· article· en· W4299879846 sur OpenAlexaff
Vivian Hoffmann, Sarah Kariuki, Janneke Pieters, Mark Treurniet

Notice bibliographique

RevueAmerican Journal of Agricultural Economics · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural risk and resilience
Établissements canadiensCarleton University
Organismes subventionnairesNederlandse Organisatie voor Wetenschappelijk OnderzoekConsortium of International Agricultural Research CentersAgricultural Technology Adoption Initiative
Mots-clésFood safetyInvestment (military)Consumption (sociology)Production (economics)BusinessIncentiveRisk premiumMarginal valueEconomicsMicroeconomicsMonetary economics

Résumé

récupéré en direct d'OpenAlex

Abstract We investigate the effect of a modest food safety premium on semisubsistence farmers' investment in a food safety technology. We demonstrate theoretically that in the face of production uncertainty, a market incentive below the marginal production cost of achieving the safety standard can increase food safety investment among farmers motivated by private health returns. We test this prediction through a randomized controlled trial in Kenya through which members of existing farmer groups were offered an opportunity to purchase a food safety input, and half were offered a 5% market premium for produce that met the associated regulatory standard. Access to the premium more than doubled investment in the food safety technology. In line with the model's prediction, most premium‐induced adoption was by farmers motivated by a combination of health and financial rewards.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,604
Score d'incertitude au seuil0,466

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,186
Écart entre enseignants0,178 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations14
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Agricultural EconomicsMême sujetAgricultural risk and resilienceTravaux en français237 207