La complexité des systèmes alimentaires : un atout pour la sécurité alimentaire?
Bibliographic record
Abstract
L’article défend l’idée selon laquelle la combinaison d’une diversité de modèles alimentaires au sein d’un système alimentaire concret peut favoriser la sécurisation alimentaire, et doit donc être reconnue et soutenue grâce à une gouvernance adaptée. L’impact de l’évolution du modèle agro-industriel dans les systèmes alimentaires est d’abord rappelé. Le développement d’une production de masse, distribuée mondialement à bas prix, a contribué à accroitre les disponibilités alimentaires, mais trouve ses limites dans la paupérisation des agriculteurs, les excès et carences des régimes alimentaires qui en découlent, et la dégradation de ressources naturelles. La sécurisation alimentaire suppose donc de dépasser les enjeux de croissance des disponibilités pour favoriser l’accessibilité des populations à une alimentation saine et responsable et construire des modes de production et de distribution plus durables. Pour analyser le rôle que peut jouer la diversité des modèles alimentaires, une typologie est proposée, distinguant, outre le modèle agro-industriel, des modèles domestique, de proximité, de commodité, et différents modèles de qualité différenciée. Les systèmes alimentaires concrets sont marqués par une combinaison de ces modèles, qui peuvent remplir des fonctions différentes au regard des enjeux de sécurité alimentaire. Les modèles « alternatifs » permettent ainsi l’accès au marché de producteurs marginalisés, l’atténuation de risques liés aux chaines globales, la préservation de patrimoines culturels, etc. Ils ont aussi des contributions moins connues dans l’éducation des consommateurs et dans la dynamique globale de l’innovation au sein des systèmes alimentaires.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.007 | 0.009 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.004 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".