MétaCan
Menu
Retour à la cohorte
Enregistrement W2123909899 · doi:10.1017/s107407080000314x

Best Management Practices to Enhance Water Quality: Who is Adopting Them?

2009· article· en· W2123909899 sur OpenAlexaff
Pascal L. Ghazalian, Bruno Larue, Gale E. West

Notice bibliographique

RevueJournal of Agricultural and Applied Economics · 2009
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensUniversité LavalUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésRiparian bufferRiparian zoneAgricultural scienceBuffer stripBusinessQuality (philosophy)Manure managementManureAgricultural engineeringClubProduction (economics)ResidenceAgricultural economicsEnvironmental scienceWater qualityAgronomyEconomicsEngineeringEcologyBiologyDemographic economics

Résumé

récupéré en direct d'OpenAlex

This study investigates the determinants affecting producers' adoption of some Best Management Practices (BMPs). Priors about the signs of certain variables are explicitly accounted for by testing for inequality restrictions through importance sampling. Education, gender, age, and on-farm residence are found to have significant effects on the adoption of some BMPs. Farms with larger animal production are more apt to implement manure management practices, crop rotation, and riparian buffer strips. Also, farms with larger cultivated acres are more inclined to implement herbicide control practices, crop rotation, and riparian buffer strips. Belonging to an agro-environment club has a positive impact for most BMPs.

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)0,006
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,009
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,030
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,080
Tête enseignante GPT0,249
Écart entre enseignants0,169 · 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'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

Citations40
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Applied EconomicsMême sujetEconomic and Environmental ValuationTravaux en français237 207