Food Systems Innovation to Nurture Equity and Resilience Globally (Food SINERGY): insights from the Food SINERGY network
Notice bibliographique
Résumé
The international collaboration network Food Systems Innovation to Nurture Equity and Resilience Globally (Food SINERGY) unites food system experts concerned with the confluence of environmental, geopolitical, economic, and public health stressors that weaken food systems and increase inequalities. In March 2023, Food SINERGY participants from universities, research institutes, food policy advocacy groups, Indigenous networks, farmers’ associations, consumer organizations, social enterprises, and non-governmental organizations from around the world met in Mont Orford, Québec, for a forum to revisit food system structures across local-to-global scales and to identify key junctures for transformation. This article summarizes the network's discussions in the context of the existing literature. Key knowledge contributions include the importance of diversification throughout the food system for cultivating resilience; the value of food sovereignty in promoting equity across scales; the reconciliation between food sovereignty and equitable trade; the need for consonance between policy environments at different scales to enable positive societal actions; the pioneering role of food system innovations that challenge conventional political and economic structures, with emphasis on agroecology; and the need for critical self-reflection around knowledge production and knowledge use to better serve equitable food systems. These discussion outcomes provide insights for actors seeking to transform food systems in support of equity and resilience.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».