项目合作伙伴研究人员，图书馆员和AI打击饥饿

来自23个国家的八个团队，其中包括77个国家的研究人员正在采用基于证据的综合 - 严谨的文献分析，这些分析会聚在一起对特定问题的所有研究来评估他们的意思。这些合成依赖于透明度和严谨，因此其他研究人员可以重复该过程并得出相同的结论，广泛用于医学，而是对农业相对较新的结论。

“在这个信息过载的世界中，对所有领域的研究人员来说很重要，了解将以有条不紊的方式进行通知决策的文献综述，”凯特格利 - 科博尔，健康科学和证据综合图书馆员说康奈尔大学图书馆和气候有弹性作物团队的成员。

图书管理员们说，综合将评估在一个地理位置成功的干预措施如何在其他地方也能起作用。

曼恩图书馆馆长玛丽·奥克斯说:“农业具有地理特性——世界各地的农业都不一样，有时甚至50英里外的地方也不一样。”“所以你不能想当然地认为一种解决方案在任何地方都适用。但通过全面系统的评估，将所有的解决方案整合在一起，你就可以确定哪些方法已经奏效，并考虑它们是否可能在其他地方奏效。”

除了在团队中嵌入图书管理员之外，Ceres2030项目还使用了机器学习来完善其研究问题。在康奈尔大学计算和信息科学学院以及世界各地同事的帮助下，Porciello创建了一个机器学习模型，加速了证据合成。它还扩大了合成的范围，使过程更具包容性。

她说:“我们希望找到年轻的、新兴的研究人员，他们在非洲、亚洲和拉丁美洲的这类干预方面做了非常出色的工作。”“我们希望引入以前没有听到过的科学家的声音。”

2030年Ceres2030的其他研究问题涉及的主题包括牲畜饲料和水资源短缺、粮食损失、小规模生产者如何参与粮食系统、农民组织以及可持续实践的政策。

虽然她尚未了解结果，但Acevedo表示Ceres2030的方法 - 包括与图书馆员的密切合作 - 是农业科学的令人兴奋的方法。

“在加入CERES2030团队之前，我对农业的证据综合毫无少地了解。一旦我了解了它，我被迷上了，“她说。“在这个项目上工作允许我重新发现与有才华横溢的图书馆员合作的力量，他们可以帮助我们在康奈尔和其他合作机构在这里获得的文学海域。”

对CERES2030的资金支持来自德国的联邦经济合作和发展部，以及比尔和梅林达盖茨基金会。

本文也出现在康奈尔纪事中。