Transparant over voedsel : Op weg naar digitale uitwisseling van betrouwbare informatie uit de voedselproductieketen
Bibliographic record
Abstract
Partijen in de voedselproductieketen hebben behoefte aan betrouwbare informatie voor het optimaliseren van hun processen en producten. Bedrijven kunnen daarmee efficiënter, veiliger en duurzamer voedsel produceren en hun bedrijfsvoering verder digitaliseren. Consumenten hebben behoefte aan betrouwbare informatie om onderbouwde keuzes te maken voor betaalbare, gezonde en veilige voedselproducten, die duurzaam en eerlijk zijn geproduceerd. Het project Trusted Source werd opgezet om te onderzoeken hoe data (beter) ontsloten, gedeeld en gebruikt kan worden, om met behulp van die inzichten meer transparantie in de keten te bereiken. Tijdens de looptijd van bijna vijf jaar werd vanuit vijf verschillende praktijksituaties (pilots) gericht gekeken naar waar en hoe ketentransparantie bevorderd kan worden. Trusted Source heeft vanuit verschillende invalshoeken bijgedragen aan meer bewustwording van (het belang van) data uitwisseling, en aan meer betrokkenheid van ketenpartijen bij het realiseren van transparantie. Voor specifieke doelen in ketentransparantie werden relevante partijen samen om tafel gebracht, en werd met hen het datalandschap in kaart gebracht. Hieruit werd duidelijk hoe vraag en aanbod van keteninformatie beter op elkaar afgestemd kunnen worden. Ook leidde het tot inzicht in hoe huidige standaarden voor informatie-uitwisseling (beter) benut of verbeterd kunnen worden. Samen met de betrokken bedrijven heeft Trusted Source op een aantal terreinen een impuls kunnen geven aan de (verdere) ontwikkeling en inzet van informatiestandaarden. Daarnaast werden vanuit Trusted Source bijdragen geleverd aan methodes waarmee duurzaamheid en gezondheid van voedselproducten in kaart gebracht kan worden. Dit leidde indirect tot Kamervragen over het voedselaanbod in de Nederlandse supermarkten. Ook werd met succes geëxperimenteerd met moderne informatietechnologie en kunstmatige intelligentie, waarmee zowel de uitwisseling als de verwerking van keteninformatie op grotere schaal (o.a. voor inzicht in duurzaamheid) kan verbeteren. Vanuit de ervaringen in Trusted Source wordt aanbevolen om in de toekomst te blijven werken aan ketentransparantie, en dan met name aan het verder vergroten van draagvlak voor informatieuitwisseling, het verbeteren van de huidige informatiestandaarden en -infrastructuren richting meer interoperabiliteit, hogere datakwaliteit en verdere mogelijkheden voor automatisering. Tot slot blijft het belangrijk te werken aan een betere afstemming tussen de informatiebehoefte van de overheid, en de databeschikbaarheid, de infrastructuren en standaarden in de keten.
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 | 0.006 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.013 | 0.018 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.028 | 0.010 |
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".