MétaCan
Menu
Retour à la cohorte
Enregistrement W4391959401 · doi:10.1080/21645698.2024.2318876

Agricultural chemical use and the rural-urban divide in Canada

2024· article· en· W4391959401 sur OpenAlexaffabout
Stuart J. Smyth, Sylvain Charlebois

Notice bibliographique

RevueGM crops & food · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetically Modified Organisms Research
Établissements canadiensDalhousie UniversityUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésDisinformationProduction (economics)Food processingBusinessAgricultureGovernment (linguistics)SustainabilityFood securityAgricultural productivityFood systemsNatural resource economicsBiotechnologyEconomicsSocial mediaPolitical scienceGeography

Résumé

récupéré en direct d'OpenAlex

Innovation is of fundamental importance for improving food production, as well as sustainability food production. Since 1960, food production has benefited from innovations in plant breeding technologies, fertilizer, chemicals and equipment. These innovations have dramatically increased food production, while the amount of land used has minimally increased. However, future food production increases are jeopardized from widening knowledge gaps between rural food producers and large urban food consuming populations. Over time, that gap has fueled disinformation. The development of disinformation business models contributes to urban consumers receiving inaccurate information about the importance of inputs essential to food production, resulting in political pressures being applied that are targeted at reductions in the use of many food production inputs. The use of chemicals are a frequent target of disinformation campaigns. This article examines how the lack of government clarity about the safe use of chemicals contributes to a lack of public information.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,388

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,007
Études des sciences et des technologies0,0050,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
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 GPT0,191
Écart entre enseignants0,175 · 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.

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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGM crops & foodMême sujetGenetically Modified Organisms ResearchTravaux en français237 207