MétaCan
Menu
Retour à la cohorte
Enregistrement W4404233537 · doi:10.1016/j.trip.2024.101271

Implications of carbon pricing on food affordability and agri-food sector in Canada: A scoping review

2024· review· en· W4404233537 sur OpenAlexaffabout
Sylvain Charlebois, Swati Saxena, Gumataw Kifle Abebe, Tony R. ‎Walker, Janet Music, Vlado Kešelj, Karim Tuffaha, Keshava Pallavi Gone, Janèle Vézeau, Bibhuti Sarker, Stacey Taylor

Notice bibliographique

RevueTransportation Research Interdisciplinary Perspectives · 2024
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensUniversity of ManitobaAgriculture and Agri-Food CanadaUniversity of TorontoCape Breton UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésFood sectorBusinessAgricultural economicsNatural resource economicsPublic economicsMarketingEnvironmental economicsEconomicsAgricultureGeography

Résumé

récupéré en direct d'OpenAlex

• Food affordability is a critical issue in Western countries. • Carbon taxes influence broader economic dynamics. • Limited research in Canada on the effects of carbon taxes on food prices. • As of 2020, over 30 economies worldwide have implemented carbon taxes. • Carbon taxes reduce disposable income and raise food prices. This review delves into the effects of carbon pricing policies on food affordability and the performance of the agri-food sector, with a specific focus on Canada. Against the backdrop of the widespread adoption of carbon pricing as a crucial tool in reducing greenhouse gas (GHG) emissions, the discussion acknowledges potential economic repercussions, particularly for lower-income households. Findings reveal that the implementation of a mandated carbon tax across all provinces in Canada by 2019 led to reduced GHG emissions and an increase in food prices. In addition, this review positions Canada within the global context by examining actions taken by other countries and their impacts. Crucial research gaps are also identified, ultimately serving as a guide for future studies and policy formulation aimed at balancing the necessity of carbon tax implementation with considerations of food affordability.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,391
Score d'incertitude au seuil0,787

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0080,018
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,068
Tête enseignante GPT0,398
Écart entre enseignants0,330 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransportation Research Interdisciplinary PerspectivesMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207