Agriculture and pesticide regulation in Latin America: A comparative dataset with the European Union
Notice bibliographique
Résumé
Dataset listing the active ingredients approved as of 31 December 2020 in eight Latin American countries evaluated for 10 major crops, together with their legal status in the European Union, chemical identifiers (CAS number, IUPAC name), and primary target organism. The dataset was generated collaboratively by 20 members of the Sociedad Latinoamericana de Investigación en Abejas (SOLATINA, https://solatina.org/) as part of the working group Impacto antrópico. It includes five tables as CSV files covering complementary aspects of agricultural production and pesticide regulation. Table S1 provides national-level agricultural context, including mean land and cultivated areas (2015–2019), the percentage of cultivated land, agricultural contribution to GDP, and each country’s share of total cultivated land and primary production in Latin America. Table S2 compiles crop-level information such as harvested area in 2019, gross production and export values (2016–2020), and each crop’s relative importance within national agricultural systems. Table S3 lists pesticide active ingredients approved in each country, with details on their common and IUPAC names, CAS numbers, EU approval status under Directive EC 1107/2009, expiry information, WHO classification, source, category, and crop-specific registrations. Table S4 compiles active ingredients banned in the region, indicating inclusion in international conventions (Montreal, Rotterdam, Stockholm), WHO classification, EU regulatory status, and national bans by country. Finally, Table S5 contains aggregated variables used for generalized linear mixed models (GLMMs), including country, crop, number of pesticides, approval status in the EU, pollination mode, crop presence in the EU, mean export value, and mean production. It also includes three TXT files as support for plotting. This dataset enables cross-regional analyses of agricultural production and pesticide regulation, highlighting regulatory alignment and disparities between Latin America and the European Union. The repository also includes the R scripts used to analyze all the data and generate all figures asociated to a scientific publication.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,017 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,007 |
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 ».