Payments versus Direct Controls for Environmental Externalities in Agriculture
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The production of food, fiber, and fuel often results in negative externalities due to impacts on soil, water, air, or habitat. There are two broad ways to incentivize farmers to alter their land use or management practices on that land to benefit the environment: (1) provide payments to farmers who adopt environmentally beneficial actions and (2) introduce direct controls or regulations that require farmers to undertake certain actions, backed up with penalties for noncompliance. Both the provision of payments for environmentally beneficial management practices (BMPs) and a regulatory requirement for use of a BMP alter the incentives faced by farmers, but they do so in different ways, with different implications and consequences for farmers, for the policy, for politics, and consequently for the environment. These two incentive-based mechanisms are recommended where the private incentives conflict with the public interest, and only where the private incentives are not so strong as to outweigh the public benefits. The biggest differences between them probably relate to equity/distributional outcomes and politics rather than efficiency. Governments often seem to prefer to employ beneficiary-pays mechanisms in cases where they seek to alter farmers’ existing practices, and polluter-pays mechanisms when they seek to prevent farmers from changing from their current practices to something worse for the environment. The digital revolution has the potential to help farmers produce more food on less land and with fewer inputs. In addition to reducing input levels and identifying unprofitable management zones to set aside, the technology could also alter the transaction costs of the policy options.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle