Farm sustainability data for better policy evaluation with FADN
Notice bibliographique
Résumé
FLINT delivers a data-infrastructure providing up to date information to policy-makers and the agro-food sector about farm level indicators on sustainability and other new relevant issues.FLINT establishes a pilot network of at least 1000 farms (representative of farm diversity at EU level, including the different administrative environments in the different MS) that is well suited for the gathering this kind of information.Taking into account the sustainability performance of farms on a wide range of relevant topics will facilitate better decision making.These topics include (1) market stabilization; (2) income support; (3) environmental sustainability; (4) climate change adaptation and mitigation; (5) innovation; and (6) resource efficiency.The approach will explicitly consider the heterogeneity of the farming sector in the EU and its member states.In cooperation with the farming and agrofood sector, the feasibility of these indicators will be determined.FLINT addresses the increasing needs for sustainability information of the national and international retail and agro-food sector.The Sustainable Agriculture Initiative Platform and the Sustainability Consortium -in which the agro-food sector actively participates -support the FLINT approach.The lessons learned and recommendations from the empirical research conducted in 9 purposefully chosen MS is used to estimate and discuss effects in all 28 MS.This will be very helpful in case the European Commission should decide to upgrade the pilot network to an operational EU-wide system.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».