Suomen maa- ja elintarviketalous 2018
Bibliographic record
Abstract
Suomi juhli sadatta itsenäisyyden vuottaan, Donal Trump otti vallan Yhdysvalloissa ja Robert Mugaben 37-vuotinen valtakausi Zimbabwessa päättyi – näistä asioista vuosi 2017 muistetaan. Suomen maa- ja elintarviketaloudessa vuosi 2017 jää puolestaan mieleen poikkeuksellisten kehnojen sadonkorjuuolosuhteiden johdosta. Viljasatoa koettelivat osassa maata ennätykselliset sadekaudet ja kylmät jaksot. Kokonaisviljasato, 3,4 miljardia kiloa, on 2000-luvun toiseksi pienin. \n \nLuonnonvarakeskuksen Suomen maa- ja elintarviketaloutta tarkasteleva vuosikatsaus kokoaa perinteiseen tyyliin ajankohtaiset toimialan kehitysnäkymät ja sitä koskevan viimeisimmän tutkimustiedon yksiin kansiin. Katsaus tarjoaa monipuolisen tietopaketin maa- ja elintarviketalouden toimintaympäristöstä, maatalous- ja elintarvikemarkkinoiden kehityksestä, maatalouspolitiikasta, maatalouden rakennekehityksestä ja taloudellisesta tilasta sekä maatalouden ja ympäristön vuorovaikutuksesta. \n \nKäsillä olevan katsauksen erityisteemoissa pureudutaan digitalisaation mahdollisuuksiin suomalaisen ruokaketjun kehittämisessä ja suomalaisen elintarvikkeiden myyntivalttien tunnistamiseen niin kotimaassa kuin vientimarkkinoillakin. Lisäksi tarkastellaan puutarhatuotannon tulevaisuuden kasvunäkymiä sekä yritysten ja kuluttajien kiinnostusta hyönteisten kasvattamista ja hyönteisruokaa kohtaan. Maatalouden rehevöittävää fosforikuormitusta käsittelevässä kirjoituksessa analysoidaan puolestaan maatalouden vesiensuojelutoimenpiteiden valinnan vaikeuksia. Toivomme, että katsauksesta on hyötyä niin kotimaassa kuin ulkomaillakin.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.001 |
| Meta-epidemiology (narrow) | 0.008 | 0.008 |
| Meta-epidemiology (broad) | 0.007 | 0.004 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.008 | 0.003 |
| Research integrity | 0.007 | 0.004 |
| Insufficient payload (model declined to judge) | 0.242 | 0.814 |
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; both teacher heads agree on what is shown here.
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".