The Law and Economics of Eco-Labels
Notice bibliographique
Résumé
By late 2012, the Ecolabel Index had 432 eco-labels on record. In the first quarter of 2010, \nthe same Index measured only 340. This reflects an increase in the interest in eco-labelling \nin the last couple of years. While it is unclear why this sudden interest in eco-labelling, it is \ntrue that markets for certified goods have become more visible and relevant in some sectors. \nFor instance it has been reported that up to 20 percent of world exports of bananas are \ncertified. Considering that in 2008 the total value of international banana trade was \nestimated at US$ 5.8 Billion per year, 20 percent is quite significant. Certified coffee \nrepresents 17 percent of global production. In the US alone the estimated value of the coffee \nmarket is of US$ 19 billion per year, which again makes certified coffee quite important. \nHowever, in other sectors such as forestry, fisheries, cocoa, cotton, and tea certification is \nrelatively small. In the forestry sector, the Forest Stewardship Council (FSC) has certified the \nequivalent of 5% of the worlds productive forests, which is relatively small, but it is the \nequivalent of 125 million hectares of forest over 80 countries. Moreover the value of FSC \nlabelled sales is estimated at over US$ 20 billion in 2008. Similarly, the Marine Stewardship \nCouncil (MSC) for certified sustainable seafood is estimated to have a value of US$ 1.5 \nBillion. MSC represents only 7% of the total global landings of marine fisheries (fish taken \nout of the water on to land), which is equivalent to 5.25 million tons of fish. These examples \nshow that while the numbers seem relatively low, the absolute impact is still very relevant, \nbecause of the scale, the scope and their value.
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 | 0,006 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,025 |
| Communication savante | 0,017 | 0,017 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,011 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,004 |
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 ».