Efecto sobre el comercio y bienestar de distintas estrategias tecnológicas para el arroz uruguayo.
Bibliographic record
Abstract
El principal objetivo de este trabajo fue la evaluación del impacto económico potencial generado por diferentes alternativas tecnológicas de producción de arroz en el Uruguay: adopción de buenas prácticas de manejo agronómico en el cultivo (BPM) e incorporación de variedades transgénicas (GM), en el marco de un mercado internacional segmentado por cambios en las preferencias de los consumidores de algunos países importadores del cereal. Se analizaron los cambios en el comercio del arroz a través de un modelo de equilibrio general computable. Se cuantificaron los flujos de comercio internacional para arroz cáscara y arroz procesado, entre las doce regiones consideradas: Uruguay, Brasil, NAFTA, Resto de América, Europa, África, Tailandia, China, Japón, Medio Oriente, Resto de Asia y Resto del Mundo. La simulación se llevó a cabo sobre la base de escenarios que consideraron distintos tipos de BPM y de cambios en las preferencias por productos GM, por parte de los consumidores en Brasil y la Unión Europa. Los resultados sugieren que la adopción de BPM en el cultivo de arroz, realizada hasta el momento en el país, produjo mejoras en el bienestar de la economía, en tanto la incorporación de GM supondría un riesgo de pérdida de las mejoras obtenidas.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".