MétaCan
Menu
Retour à la cohorte
Enregistrement W4360617200 · doi:10.1111/cjag.12325

Reflections on technological progress in the agri‐food industry: Past, present, and future

2023· article· en· W4360617200 sur OpenAlexaffvenueabout
Getu Hailu

Notice bibliographique

RevueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomie · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Innovations and Practices
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésProductivityTechnological changeFood securityAgricultureEconomicsAgricultural productivityFood processingFood industryBusinessNatural resource economicsAgricultural economicsEconomic growthPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract Technological advances—for example, from hand milking to robotic milking—are at the heart of economic transformation and have significantly shaped the agri‐food industry and economic growth throughout history. A look at the lead article of the first issue (and the first volume, 1952) of the Canadian Journal of Agricultural Economics (CJAE) 70 years ago reveals an ongoing inquiry within the discipline about how technological progress has shaped how we manage our farms with the implications on aggregate industry productivity and food prices. The topics discussed along these lines in the first issue of the CJAE are still relevant today—for example, challenges with measuring productivity and innovation, diffusion of innovation, technological unemployment, demand for skilled workers, financing innovations, climate change and food security. Science, technology, and innovation for the 21st century hold the potential to foster resilient and sustainable intensification of farm production and productivity growth for the agri‐food industry. In this address, I reflect on the past, present, and future impacts of technological innovations and productivity growth on the agri‐food industry and discuss the implications for future research, welfare, and policy.

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 enseignants0,565
Score d'incertitude au seuil0,595

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,066
Tête enseignante GPT0,237
Écart entre enseignants0,171 · 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

Citations10
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomieMême sujetAgricultural Innovations and PracticesTravaux en français237 207