MétaCan
Menu
Retour à la cohorte
Enregistrement W2730197022

The Cost of Agricultural Land Preservation and the Sitting of Urban Development

2016· article· en· W2730197022 sur OpenAlexaff
Willem van Vuuren, Samuel Sappong-Kumankumah

Notice bibliographique

RevueGeographical research forum/Geography research forum · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésScarcityEconomicsAgricultureNatural resource economicsProduct (mathematics)Water scarcityPaymentProductivityAgricultural economicsEconomic growthGeographyMicroeconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In North America a disproportionately high percentage of prime agricultural land is converted for urban development. Much controversy exists about this irreversible loss. Some claim that it will result in future food shortages, while others argue that technological advance has made agricultural land less scarce. There is no evidence of a looming food scarcity in the western world. Nevertheless, the future scarcity issue is shrouded in great uncertainty. Preserving prime land is a policy option to avoid possible future food contingencies. Preservation is not a costless undertaking, however. Costs are always defined in relation to the objectives pursued. In social economics the objective is usually defined as maximizing the net contribution to national product. This is not a meaningful objective if long time horizons, extreme uncertainty, and irreversibility are involved. In that case it is better to minimize possible maximum losses. This is akin to an insurance policy. The problem then is to choose premium payments and benefits in such a way that maximum possible future losses are minimized.                                             The premium that society pays for preserving prime land is identified as the possible additional development, servicing, commuting, and environmental costs on lower compared to prime quality land minus the gain in productivity on prime compared to lower grade land. The premium is then compared to the benefits of the policy.

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)0,020
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,150
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0200,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,004
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,059
Tête enseignante GPT0,294
Écart entre enseignants0,234 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeographical research forum/Geography research forumMême sujetHousing Market and EconomicsTravaux en français237 207