MétaCan
Menu
Retour à la cohorte
Enregistrement W4392939283 · doi:10.1093/oxfordhb/9780190924164.013.9

The Growing Power of Agricultural Science

2024· book-chapter· en· W4392939283 sur OpenAlexaff
J. L. Anderson

Notice bibliographique

RevueOxford University Press eBooks · 2024
Typebook-chapter
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture, Land Use, Rural Development
Établissements canadiensMount Royal University
Organismes subventionnairesnon disponible
Mots-clésCommodificationAgriculturePower (physics)State (computer science)Production (economics)Agricultural productivityPovertyAgricultural revolutionPolitical scienceCommodityEconomic growthEconomicsEconomyGeographyMarket economyLawComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract The story of agricultural science is one of growing power; power to increase production and the enhanced authority of scientists. Eighteenth-century farmers and rural elites were interested in agricultural reforms, paying attention to scientists who articulated theories about chemistry and breeding in an attempt to solve production problems. Those elites established laboratories and experimental farms that were the progenitors of state-sponsored agricultural science. Scientists built educational and research institutions that ultimately provided producers with useful knowledge to boost production. They subsequently fought with other scientists for power and for a place of influence in public life. The scientific solutions they offered often cut both ways, solving old problems even as they created new ones, ranging from environmental degradation to the de-skilling of labor. Furthermore, science was yoked to colonial authority, constructing a landscape of commodity production and the social control required to sustain it. Agricultural science has been commodified and deployed with mixed success in the fight against hunger and poverty, most famously in what became known as the Green Revolution. Scientists’ success in developing solutions to the problems of agricultural production, despite some notable shortcomings, has given them unprecedented power over people and the land.

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)0,001
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,009
Communication savante0,0060,005
Science ouverte0,0000,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0120,003

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 Opus0,014
Tête enseignante GPT0,176
Écart entre enseignants0,162 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOxford University Press eBooksMême sujetAgriculture, Land Use, Rural DevelopmentTravaux en français237 207