Bibliographic record
Abstract
De la mondialisation à la désertification, en passant par les famines et les difficultés à assurer la relève agricole, les auteurs examinent trente des plus importants défis auxquels font face l’agriculture et l’alimentation mondiales. Recourant à une échelle d’analyse mondiale que justifient l’interconnectivité des écosystèmes, le commerce international des denrées et le rôle des organisations internationales, ils dégagent, exemples à l’appui, les principales caractéristiques de ces défis, qu’ils soient humains, économiques ou environnementaux. Pour revoir nos modèles de production, de consommation et de société, ils cèdent la parole à 23 experts, issus du monde universitaire, de syndicats agricoles ou d’organismes publics, privés et non gouvernementaux. Ceux-ci ne se contentent pas de soulever des problèmes, mais proposent aussi des solutions qui permettraient de mieux nourrir l’humanité. Espérant concourir à ce que ce débat de fond ne soit pas complètement éclipsé par les aléas des marchés financiers et de l’économie, les auteurs souhaitent redonner à l’agriculture et à ses artisans la place et la reconnaissance qui leur reviennent. Ils désirent également contribuer à la réflexion que suscitent actuellement les systèmes agricoles québécois et planétaires et inciter tous les citoyens concernés à y participer.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.007 | 0.006 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.051 | 0.012 |
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".