Economic Experiments as a Tool for Agricultural Policy Evaluation: Insights from the European CAP
Notice bibliographique
Résumé
This article assesses the potential contribution of economic experiments to evidence‐based policy making in the field of agriculture, with a special focus on the European Union (EU)'s Common Agricultural Policy (CAP). CAP evaluation mostly relies on standard tools such as farm and market simulation models, calibrated with EU‐wide statistical data; statistical and econometric analysis of survey data; and a range of qualitative methods such as interviews with stakeholders, focus group, or Internet‐based public consultation. Yet, the CAP has changed considerably over the past decades, requiring adaptations of its evaluation toolbox. A detailed review of existing studies using economic experiments for designing and evaluating agricultural policies provides the backbone for a comprehensive assessment of the complementarity of experimental approaches with standard evaluation tools. Based on conclusions drawn from a workshop organized with experts, academics, and policy makers of Directorate‐General for Agriculture and Rural Development of the European Commission, the article further provides recommendations aiming at facilitating inclusion of economic experiments into the CAP evaluation toolbox. Cet article étudie la contribution potentielle des méthodes expérimentales pour l'élaboration de politiques agricoles fondée sur des données probantes, en considérant en particulier le cas de la politique agricole commune de l'UE (PAC). L'évaluation de la PAC repose principalement sur des outils standard tels que des modèles de simulation d'exploitations et de marchés agricoles, calibrés avec des données récoltées à l'échelle de l'UE; des analyses statistiques et économétriques sur des données d'enquête; et une série de méthodes qualitatives telles que des entretiens avec les parties prenantes, des groupes de discussion ou des consultations publiques sur Internet. Pourtant, la PAC a considérablement changé ces dernières décennies, ce qui nécessite d'adapter ses méthodes d'évaluation. Un examen détaillé des études existantes mobilisant les approches expérimentales pour la conception et l'évaluation de politiques agricoles permet d'analyser la complémentarité des méthodes expérimentales avec les outils d'évaluation standards. A partir des conclusions d'un atelier organisé avec des experts, des universitaires et des décideurs politiques de la Direction générale de l'agriculture et du développement rural de la Commission européenne, cet article propose en outre des recommandations pour faciliter l'intégration des approches expérimentales dans les méthodes d'évaluation de la PAC.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,171 | 0,205 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,011 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».