Comparative Analysis of Soybean Quality Standards in Asia Pacific Region(亚太地区大豆质量标准对比分析)
Notice bibliographique
Résumé
Soybean is one of the main food crops planted in the world, and becomes an important food trade variety due to its richness of fat and protein. In 2018, the global soybean production had reached 366 million tons, and 80% of which was concentrated in the United States, Brazil and Argentina. In order to promote the interconnection of food standards of all economies and elevate the facilitation and integration of food trade in the Asia Pacific region, a systematic analysis of 12 economies was conducted on the soybean standards of 10 APEC economies including China, the United States, Australia, Canada, Japan, South Korea, Mexico, the Philippines, Thailand, Chinese Taipei and 2 major soybean producing countries including Brazil and Argentina. The similarities and differences applicability of standard, product classification, grading and quality indicators related to grade parameters were proposed to promote the interconnection of APEC soybean standards, which could provide reference for grain workers engaged in grain standardization, quality testing and soybean import and export trade.(大豆是世界各国主要种植的粮食作物之一,因富含脂肪和蛋白质使其成为重要的粮食贸易品种。2018年全球大豆产量已达到3.66亿t,其中美国、巴西、阿根廷3个经济体的大豆产量共占全球总产量80%左右。为推动亚太地区各经济体粮食标准互联互通,促进亚太地区粮食贸易便利化和一体化,对包括中国、美国、澳大利亚、加拿大、日本、韩国、墨西哥、菲律宾、泰国、中国台北等10个亚太经合组织经济体及巴西、阿根廷等2个大豆主产国,共12个经济体的大豆标准进行了系统分析；找出标准适用范围、产品分类、等级划分和等级参数有关质量指标等方面的相同和差异之处,对促进亚太地区大豆标准互联互通提出了建议,可为从事粮食标准化、品质检验、大豆进出口贸易的粮食工作者提供参考。)
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».