MétaCan
Menu
Retour à la cohorte
Enregistrement W4313439319 · doi:10.18174/580692

De echte prijs (true price) van mosselen : Echte en eerlijke prijs van duurzame producten – casus mosselen Module natuurlijk kapitaal (water, bodem en lucht)

2022· report· nl· W4313439319 sur OpenAlexaff
Geert Hoekstra, M. Poelman, Pietro Goglio, Henrice M. Jansen, L. van den Bogaart

Notice bibliographique

Revuenon disponible
Typereport
Languenl
DomaineEnvironmental Science
ThématiqueEnvironmental Conservation and Management
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésEurosValue (mathematics)MusselConsumption (sociology)FisheryEconomicsAgricultural economicsBiologyMathematicsHumanitiesStatisticsArt

Résumé

récupéré en direct d'OpenAlex

Mussels are known by their low footprint compared to other (in particular animal) protein sources like chicken, pork, beef or other fish species (including shellfish and crustaceans). The key research question is: what is the contribution to the natural capital by the Dutch mussel production and consumption and which economic value (in euros) could be accounted to this contribution? The calculated true price for Dutch mussels is € 4,762 (2021) per kilogram of which € 0,47 climate costs.The positive contributions (true value) by mussels to natural capital via water purification and enriching biodiversity are cumulative monetarized in the total true price as € 0,14 per kilogram of Dutch mussels presented in the consumer market. The methodology of true pricing is based on existing Life Cycle Analysis (LCA). This methodology relies on international standards and scientific literature. Noteworthy is that there is a deviation within this study from the standard approach of true price calculations as the societal benefits and -costs are cumulated to one net true price.

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)0,006
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,545
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0040,007
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0950,008

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 Opus0,011
Tête enseignante GPT0,232
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnvironmental Conservation and ManagementTravaux en français237 207