WTO-notifikasjoner som forebygging av handelshindringer på sjømatområdet? SPS- og TBT-notifikasjoner: overvåking og oppfølging i Norge, Chile og Canada
Bibliographic record
Abstract
Denne rapporten tar for seg hvordan WTO-notifikasjonene kan benyttes som redskap til å fange opp regelverksendringer og forebygge handelshindringer i viktige markeder for norsk sjømat. Den første delen av rapporten tar for seg systemet for notifikasjoner som en del av kravet til åpenhet i WTO. Videre gis det en kort beskrivelse av de formelle krav og prosedyrer som gjelder for notifikasjoner av endrede og nye reguleringer, samt hvordan medlemslandene forholder seg til dette i praksis. Rapporten går deretter inn på tilgjengelige verktøy som kan brukes for å systematisk følge med på og håndtere notifikasjoner av relevans for handelen med sjømat. Den andre delen av rapporten gir en oversikt over omfang og innhold i sjømatrelaterte notifikasjoner og handelsproblemer (STCs) som rapportert til SPS- og TBT-komiteene i WTO. Deretter beskrives hvordan Norge, Chile og Canada organiserer og erfarer arbeidet med å overvåke og håndtere WTO-notifikasjonene. På denne bakgrunn drøftes hvordan det norske arbeidet med notifikasjonene kan styrkes for å ivareta sjømatinteressene.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.048 | 0.003 |
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".