FABLE Scenathon database 2023
Notice bibliographique
Résumé
This database contains key parameters and variables from the 2023 Scenathon which has been run by the Food, Agriculture, Biodiversity, Land-Use, and Energy (FABLE) Consortium. A scenathon - a scenario marathon - is a multi-objective challenge that allows a decentralized global modelling approach with multiple models developed by different teams in the world at national and regional scales, and a methodology to link them ensuring international trade consistency and tracking collective progress towards the achievement of global sustainability targets. A description and analysis of the Scenathon 2023 pathways has been published in Sachs et al. (2024). The Scenathon 2023 database includes results at the global, country and rest of the world regions levels, for indicators related to food and nutrition security, land and biodiversity, GHG emissions from agriculture and land use change, and input use in agriculture. It also includes key parameters that can be used to explain the results, such as the evolution of productivity and all supply and use balance items at the commodity level. It is possible to visualise some of the key results on the Scenathon dashboard. Scope of the 2023 database: Pathways: The Current Trends (CT) pathway, reflecting a low-ambition future shaped by existing policies; The National Commitments (NC) pathway, projecting how national strategies, pledges, and targets for climate, biodiversity, and food systems would shape future outcomes. The Global Sustainability (GS) pathway, identifying additional actions necessary to align national and regional pathways with global sustainability targets. Countries and regions: Argentina, Australia, Brazil, Canada, China, Colombia, Denmark, Ethiopia, Finland, Germany, Greece, India, Indonesia, Mexico, Norway, Nepal, Russia, Rwanda, Sweden, Türkiye, the UK, and the United States and the rest of the world regions Rest of Asia and Pacific, Rest of Central and South America, Rest of European Union, Rest of Europe non-EU, Rest of Sub-Saharan Africa. Time: 2000-2050 with 2020 being the last calibration year. Results are provided for each 5 year-time step. Trade adjustment: results are provided before total exports and total imports are balanced or after. The readme worksheet provides all the relevant information on the indicators and acronyms definition used in the database.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,174 | 0,087 |
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 ».