Mapping of scientific production around the sustainable development goals - SDGS and food production
Notice bibliographique
Résumé
ABSTRACT: This research aimed to understand the subject regarding the 2030 Agenda Sustainable Development Goals and food production through literature reviews covering the timespan from 2001 to 2021. Methodologically, this paper is framed as a literature review and uses the Scopus platform to get to the database, selecting 243 papers. The results pointed out that the United States presented the highest number of published documents (126). When it comes to the origin of affiliation, the universities located in the Netherlands (University of Wageningen) and Canada (University of Guelph) present together the highest number of published documents (24). Among the keywords, the most frequent are food safety, followed by the food supply, sustainability, and climate change. Finally, regarding the main subjects tackled during the analyzed time period, it was verified that the issues concerning public policies, land use, and food safety were discussed throughout the entire timespan. In turn, the most recent period, mainly covering the articles published from the year 2021 on, inserts into the discussion agenda the aspects of Covid-19, the pandemic, and its impacts, especially influenced by the setting experienced worldwide. At the same time, other subjects less discussed took the spotlight, also emerging from the Covid-19 pandemic, such as digital agriculture and digital technology, which began to have major relevance. At last, it is possible to infer that reaching sustainable development goals is even more challenging under a pandemic context experienced by all the countries from 2020 to the present day.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».