MétaCan
Menu
Retour à la cohorte
Enregistrement W4410827398 · doi:10.1111/1758-5899.70028

Sustainable Food System Chapters in Trade and Investment Agreements: Lessons on Policy Innovation

2025· article· en· W4410827398 sur OpenAlexaff
Dori Patay, Holly Rippin, Kelly Garton, Ashley Schram, Paz Belen Cavada‐Robert, Wolfgang Alschner, Camila Corvalán, Anne Marie Thow

Notice bibliographique

RevueGlobal Policy · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNational Health and Medical Research CouncilUniversity of SydneyMedical Research CouncilAustralian Government
Mots-clésInvestment (military)BusinessInternational tradeEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The need to adapt existing global policy instruments to achieve sustainable development objectives is increasingly recognised worldwide. Responding to the global need to help countries progress towards transforming food systems, the EU proposed, negotiated and agreed to adopt a chapter dedicated to Sustainable Food Systems in its free trade agreement with New Zealand and its advanced framework agreement with Chile. This study aimed to identify the origins, rationale and enablers of this policy innovation. A theory‐informed qualitative study methodology was applied based on interviewee data. We found that the idea of the Sustainable Food System Chapters originated from the need to respond to domestic and global pressures to maintain public and political support for pursuing trade and investment agreements. The adoption of the Sustainable Food System Chapters was enabled by political pressure; pre‐existing global, foreign and domestic policies; and shared thinking that was previously translated into joint action. Policy‐makers may use this evidence to support efforts to achieve greater policy coherence in trade agreement negotiations across economic, social and environmental domains.

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)0,050
score de la tête « metaresearch » (Gemma)0,048
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,265

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0500,048
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0060,028
Communication savante0,0170,020
Science ouverte0,0030,009
Intégrité de la recherche0,0090,008
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,059
Tête enseignante GPT0,291
Écart entre enseignants0,233 · 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'étudeSans objet
Domainenon disponible
GenreEmpirique

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal PolicyMême sujetClimate Change Policy and EconomicsTravaux en français237 207