Vrouwelijke bedrijfshoofden in de Nederlandse land- en tuinbouwsector
Bibliographic record
Abstract
Op verzoek van de Nederlandse overheid heeft de OESO een publicatie opgesteld waarin relevante vraagstukken zijn geïdentificeerd over de rol van vrouwen in het voedselsysteem (Giner et al., 2024).In deze publicatie wordt beschreven waar andere OESO-landen staan met betrekking tot het verzamelen van data over vrouwen in voedselsystemen en het aanpassen van beleid.Voor Nederland worden enkele aanbevelingen gegeven om de rol van vrouwen in voedselsystemen beter te begrijpen.De eerste aanbeveling is om te achterhalen hoe beleidsmakers, ambtenaren en stakeholders de rol van vrouwen zien in huidige debatten over transformaties van het voedselsysteem.Dit kan bijdragen aan meer bewustzijn over het belang van gendergelijkheid in het voedselsysteem.De tweede aanbeveling is om een bredere basis aan informatie te ontwikkelen over de bijdrage van vrouwen in de Nederlandse land-en tuinbouwsector.Het ministerie van LVVN heeft daarom behoefte aan inzicht in het aandeel vrouwelijke bedrijfshoofden op Nederlandse land-en tuinbouwbedrijven.In 2016 toonde Eurostat aan dat Nederland het laagste percentage vrouwelijke bedrijfshoofden in de Europese Unie had, namelijk 5% tegen een gemiddelde van 27% in de Europese Unie (Giner et al., 2024).In 2020 had Nederland nog steeds het laagste percentage, namelijk 5,6%. 1 Eurostat werkt met data verzameld in de Landbouwtelling.Er worden in Nederland echter twee verschillende manieren gebruikt om te berekenen wat het aandeel vrouwelijke bedrijfshoofden in Nederland is.In deze publicatie worden data uit de Landbouwtelling en uit het Bedrijveninformatienet (kortweg, Informatienet) beschreven en de verschillen verklaard. Verschillende tellingenIn Nederland worden op verschillende manieren data van de landbouwsector verzameld.Ieder jaar tussen 1 april en 15 mei wordt de Landbouwtelling uitgevoerd.Ieder agrarisch bedrijf met een ondergrens van 3.000 euro Standaardopbrengst (SO) 2 is wettelijk verplicht om aan de Landbouwtelling 1 Deze Eurostat-data geven voor 2020 het aandeel bedrijven naar geslacht van bedrijfshoofden weer voor alle landen van de EU: https:/
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 | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.012 | 0.009 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.053 | 0.008 |
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".