HarvestStat: a global effort towards open and standardized sub-national agricultural data
Notice bibliographique
Résumé
Abstract Agricultural production statistics underpin diverse research efforts and development activities. Yet despite their critical importance, efforts to collate, update, and harmonize detailed sub-national agricultural production statistics are frequently redundant and incomplete due to the substantial time, effort, and resources required. The persisting lack of coordination and standards in the food systems data community wastes valuable resources and hinders advances in action-oriented food systems knowledge. Here we introduce the HarvestStat sub-national data consortium as an open-source, collaborative, and transparent model to overcome these challenges. HarvestStat is collaboratively producing publicly available databases and datasets for the food systems community and the broader environmental and sustainability sciences by moving beyond closed and disjointed data-gathering efforts. We are guided by core principles of complete data openness—prioritizing high standards of quality assurance; active inclusion—emphasizing involvement from local experts; and collaboration—fostering engagement across communities of data producers and users. We extend an open global call to action, inviting organizations and individuals to engage in advancing this critical agenda.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,160 | 0,135 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,018 | 0,027 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,010 | 0,014 |
| Science ouverte | 0,008 | 0,025 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,009 |
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 source (Gemma direct ou Codex distillé), 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 ».