A földrajzi árujelzők gazdaságtana – az empirikus bizonyítékok
Bibliographic record
Abstract
A mezőgazdasági termékek és élelmiszerek előállítási helyükkel való összekapcsolása nem új keletű dolog, az Európai Unió közel három évtizede rendelkezik \nilyen regiszterrel. A Magyarországon 2015-ben elindult Eredetvédelmi Program \ncélja az, hogy ezek között az Európai Unió által is elismert kiváló termékek között \na magyar élelmiszerek száma jelentősen növekedjen, illetve a már benne lévő termékek jobban tudjanak profitálni a rendszer által biztosított előnyökből. A tanulmány szisztematikus szakirodalom-feldolgozás keretében térképezte fel azt, hogy \naz empirikus bizonyítékok alapján mire számíthatnak a jelenlegi és leendő magyar \nföldrajzi árujelzős termékek piacméretük, árprémiumuk és vidékfejlesztésre gyakorolt hatásuk tekintetében. A nemzetközi szakirodalom módszeres átvizsgálásával megállapítható, hogy a magyar termékek inkább számíthatnak a már meglévő, jellemzően helyi piacaik megőrzésére, semmint hogy rövid távon jelentős \n(export)piacokat tudjanak meghódítani az eredetvédelem segítségével. A termelői \nárak növekedése is csak hosszabb távon várható, elsősorban a magasabb hozzáadott értékű feldolgozott termékek esetében. Egy tudatosan felépített és kiterjesztett vidékfejlesztési stratégia részeként a földrajzi árujelzők közvetlen és közvetett \nmódon egyaránt hozzájárulhatnak az előállítási helyszín fejlesztéséhez.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.013 | 0.004 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.036 | 0.011 |
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".