MétaCan
Menu
Retour à la cohorte
Enregistrement W2053691919 · doi:10.1300/j411v11n01_01

New Dimensions in Agroecology for Developing a Biological Approach to Crop Production

2004· article· en· W2053691919 sur OpenAlexaff
David R. Cléments, Anil Shrestha

Notice bibliographique

RevueJournal of Crop Improvement · 2004
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture, Land Use, Rural Development
Établissements canadiensTrinity Western UniversityWestern University
Organismes subventionnairesnon disponible
Mots-clésAgroecologyAgroecosystemSustainabilityAgricultureSustainable agricultureAgroforestryEcologyEnvironmental resource managementGeographyEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Summary Agroecology is emerging from the conceptual realm to become a significant discipline in North America and many parts of the world. We explore 10 dimensions of agroecology that are important in developing a more biologically-based science of agriculture: (1) a new philosophy of agriculture, (2) systems thinking, (3) local adaptation, (4) the non-crop biota, (5) crop autecology, (6) encompassing the agricultural landscape, (7) closing the materials cycle: crops, livestock and local or global cycling, (8) technology and ecology, (9) human ecology, and (10) the natural dimension. Agroecology deals with the applications of ecological principles in agroecosystems and it represents a logical response to shortcomings of conventional agriculture. Current crop production approaches fail to account for biological complexities of agro-ecosytems and the need to feed the world without jeopardizing the sustainability of its life support systems. A key strategy employed by agroecologists is to compare agroecosystems and natural ecosystems systematically, and attempt to integrate knowledge of natural ecosystems into agricultural practice. Through this process, traditional agronomy is elevated to agroecology.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0030,027
Communication savante0,0080,011
Science ouverte0,0020,005
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,033
Tête enseignante GPT0,248
Écart entre enseignants0,216 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations17
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Crop ImprovementMême sujetAgriculture, Land Use, Rural DevelopmentTravaux en français237 207