MétaCan
Menu
Retour à la cohorte
Enregistrement W4387640294 · doi:10.1111/area.12907

‘Finprint’ technopolitics and the corporatisation of global food governance

2023· article· en· W4387640294 sur OpenAlexafffund
Sarah J. Martin, Charles Mather

Notice bibliographique

RevueArea · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture, Land Use, Rural Development
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesOcean Frontier Institute
Mots-clésAquacultureBusinessCorporate governanceFood processingEnvironmental governanceEnvironmental resource managementGlobal governanceScale (ratio)Natural resource economicsEnvironmental planningFisheryFish <Actinopterygii>GeographyEconomicsBiologyFood science

Résumé

récupéré en direct d'OpenAlex

Abstract Our concern in this paper is the environmental ‘footprinting’ of food and its role as a source of technopolitical power in global food governance. Our case is the highly industrialised farmed salmon sector which currently generates metrics and carefully curated visualisations to promote this fish as a more sustainable and ‘climate friendly’ protein relative to animal protein produced on land. We show how these metrics and visualisations depend on an industrial production and measurement infrastructure. Significantly, this infrastructure and the metrics that it generates is being promoted as a ‘climate smart’ solution to small‐scale and extensive aquaculture in the Global South. Salmon aquaculture industry proposals for the transfer of technology from salmon farming to global aquaculture are explicitly articulated in global food governance and other institutional spaces. While there may be frictions in the transfer of salmon aquaculture's infrastructure of measurement to aquaculture in the Global South, our analysis suggests that environmental footprinting of food—and its associated measurement infrastructure—may be an emerging source of technopolitical power in increasingly corporatised global food governance systems.

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)0,020
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil0,104

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0050,049
Communication savante0,0110,006
Science ouverte0,0010,008
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,016
Tête enseignante GPT0,189
Écart entre enseignants0,173 · 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.

Devis d'étudeQualitatif
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

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAreaMême sujetAgriculture, Land Use, Rural DevelopmentTravaux en français237 207