0374 Multi-criteria decision analysis (mcda) comparing agricultural production methods: protocol for analysing british columbia (bc) blueberries and ecuador bananas
Notice bibliographique
Résumé
Background Expansion of agro-industrial approaches has raised concerns over occupational and environmental exposures, for example through intensive agrochemical use. Agricultural production decisions are influenced by assumptions regarding unit-specific criteria of ‘productive efficiency’ (revenues and yields), with limited attention to the association between costs and consequences and broader health determinants (sustainability and health effects). This study applies a population health perspective to investigate the occupational and environmental consequences of production options by incorporating a comprehensive range of criteria. Specifically we investigate, in partnership with producers: what is the ”best” agricultural production method for producing bananas in Ecuador and blueberries in BC? Methods Two MCDAs per jurisdiction (Ecuador and BC) are used to calculate aggregate scores to rank production methods (agro-industrial, agro-ecological, and mixed-methods). The first MCDA is an ‘actual’ model, representing real-world decisions (constrained producer choices). The second MCDA is a ‘preference’ model representing no constraints (producer preferences). Additionally, discrete choice modelling is used to simulate hypothetical scenarios of components (e.g. policy instruments) that would sway producers towards their preferences, with sensitivity analyses to consider the implications. Results If agro-industrial production is not the highest rank, a case can be made for more sustainable agriculture. The sensitivity of how decisions could move towards sustainable solutions that produce less health consequences and policies to facilitate such pursuit are assessed. Conclusions As producers express greater concern for sustainability and certification that recognise that ”good practices” are applied, MCDA suggests a way that evidence can be collected and analysed to support decision-making, transparently and comprehensively.
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 | 0,043 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,123 | 0,011 |
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 ».