MétaCan
Menu
Retour à la cohorte
Enregistrement W7110555954

Food Cold Chain Enhancements in Guatemala

2025· other· en· W7110555954 sur OpenAlexaff

Notice bibliographique

RevueSocio-Environmental Systems Modeling · 2025
Typeother
Langueen
Domaine
Thématique
Établissements canadiensInstitute on Governance
Organismes subventionnairesnon disponible
Mots-clésCold chainSustainabilityAction planSupply chainAgricultureElectricityLatin AmericansFood systems
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Guatemala’s agrifood sector is a vital contributor to the national economy, accounting for 10.2% of economic activity and employing 32% of the labor force. However, it faces structural challenges, including dualism between large exporters and smallholders, limited access to finance and markets, declining productivity, climate change, and widespread food insecurity among Indigenous and low-income populations. Weak infrastructure investment—among the lowest in Latin America—further hinders competitiveness, particularly in road connectivity and logistics. A critical gap lies in cold chain infrastructure, where insufficient capacity, energy inefficiency, and unreliable electricity supply result in high post-harvest losses, poor food safety, and reduced market access.Despite these barriers, cold chain development presents significant opportunities to enhance food quality, security, and export potential, especially in high-value chains such as dairy, poultry, and select fruits and vegetables. Solar-powered and energy-efficient technologies (e.g., evaporative cooling, improved insulation, and photovoltaic systems) could mitigate energy and sustainability challenges. Realizing this potential requires a supportive policy framework that aligns with Guatemala’s National Policy on Energy Efficiency (2023–2050) and broader development strategies. Key recommendations include creating a National Cooling Action Plan (NCAP), fostering farmer cooperatives, leveraging Public-Private Alliances for clean energy infrastructure, expanding access to long-term finance, and exploring carbon credit schemes. Collectively, these measures would unlock sustainable cold chain investments, improve competitiveness, and contribute to climate-smart agricultural development in Guatemala.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,152
Score d'incertitude au seuil0,303

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,016
Tête enseignante GPT0,231
Écart entre enseignants0,215 · 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'étudeSimulation ou modélisation
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 revueSocio-Environmental Systems ModelingTravaux en français237 207