MétaCan
Menu
Retour à la cohorte
Enregistrement W1891919326 · doi:10.5539/sar.v4n4p122

What Can Be Learned about the Adaptation Process of Farming Systems to Climate Dynamics Using Crop Models?

2015· article· en· W1891919326 sur OpenAlexvenueno aff
Sandro Luis Schlindwein, Frank Eulenstein, Marcos Lana, Stefan Sieber, Jean‐Philippe Boulanger, Edgardo Guevara, Santiago Meira, Elvira Gentile, Michelle Bonatti

Notice bibliographique

RevueSustainable Agriculture Research · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensnon disponible
Organismes subventionnairesLeibniz-GemeinschaftFundação de Amparo à Pesquisa e Inovação do Estado de Santa CatarinaDeutscher Akademischer Austauschdienst
Mots-clésAdaptation (eye)Process (computing)CroppingComputer scienceAgriculturePerspective (graphical)GeographyArtificial intelligencePsychology

Résumé

récupéré en direct d'OpenAlex

The objective of this paper is to reflect and discuss how the use of crop models by aware practitioners might trigger learning of how to think and act differently about the adaptation process of farming systems to climate dynamics. The development of adaptation strategies is discussed from the perspective of contrasting metaphors, since the metaphors in use have distinctive practical implications regarding how crop models might be used for adaptation purposes. Further, in this paper it is pointed out that adaptation should be understood as the result of a learning process and therefore the use of crop models for adaptation purposes must be transformed. Instead of seeing them only as tools to secure yield of cropping systems under a changing climate they must be conceived as components of learning systems for adaptation of whole farming systems.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,832
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,219
Tête enseignante GPT0,382
Écart entre enseignants0,163 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetClimate change impacts on agricultureTravaux en français237 207