Show simple item record

dc.contributor.authorLaborde, David
dc.date.accessioned2022-06-30T13:19:06Z
dc.date.available2022-06-30T13:19:06Z
dc.date.issued2020
dc.identifier.urihttps://hdl.handle.net/1813/111348
dc.description.abstractLa colección Ceres2030 y Nature Research va más allá de los límites de la ciencia para apoyar la toma de decisiones basados en evidencia. Es el primer intento de analizar los últimos 20 años de material sobre el desarrollo agrícola por medio de la inteligencia artificial, para respaldar a una metodología rigurosa de síntesis de evidencia. El equipo Ceres2030 trabajó con investigadores para apoyar la integración de las conclusiones de dicha investigación a los parámetros de un modelo de equilibrio general. Este es uno de los ejercicios de modelización más complejos que se hayan intentado, con cientos de miles de ecuaciones que dan cuenta de las intrincadas relaciones entre los distintos niveles de la economía a lo largo del tiempo. El modelo tomó datos de todos los niveles, del global al nacional, incluyendo datos al nivel de los hogares.en_US
dc.language.isoesen_US
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectSDG2, ODA,en_US
dc.titleCeres2030: Soluciones sostenibles para poner fin al hambreen_US
dc.typereporten_US
schema.accessibilityHazardnoneen_US


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivatives 4.0 International

Statistics