MétaCan
Menu
Retour à la cohorte
Enregistrement W2108454754 · doi:10.1139/er-2015-0050

Agricultural support policy in Canada: What are the environmental consequences?

2015· article· en· W2108454754 sur OpenAlexaffvenueabout
Alison J. Eagle, James Rude, Peter C. Boxall

Notice bibliographique

RevueEnvironmental Reviews · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural risk and resilience
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAgricultureDirect PaymentsGovernment (linguistics)Context (archaeology)Income SupportBusinessAgricultural policyNatural resource economicsFarm incomeEnvironmental impact assessmentAgricultural productivityEnvironmental impact of agricultureProduction (economics)Agricultural economicsCommon Agricultural PolicyPaymentEconomicsEnvironmental protectionEuropean unionEconomic policyGeographyPolitical scienceFinance

Résumé

récupéré en direct d'OpenAlex

This paper reviews annual government spending on Canadian agriculture that attempts to stabilize and enhance farm incomes. Over the past 5 years, 2/3 of the $3 billion spent on agriculture went into stabilization programs to support farm incomes. However, this level of support raises questions about the environmental consequences of enhanced agricultural production. Environmental impacts from agriculture are well known and addressed in US and EU policies. In contrast, Canadian government expenditures on environmental initiatives in agriculture, as a share of farm income, are more than 10 times smaller than those in the US and the EU. Nonetheless the evidence is that Canadian programs have modest impacts on production, but that chemical and fertilizer input use may be higher than in the absence of the program. One possible course of action is to introduce cross-compliance between program payments and environmental objectives. However, there are no requirements that Canadian producers receiving support comply with environmental standards. While cross-compliance could be considered in the Canadian context, policies that directly target specific environmental issues in agriculture may have greater impact.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,346
Score d'incertitude au seuil0,838

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,024
Tête enseignante GPT0,210
Écart entre enseignants0,186 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironmental ReviewsMême sujetAgricultural risk and resilienceTravaux en français237 207