MétaCan
Menu
Retour à la cohorte
Enregistrement W2906214853 · doi:10.21083/crrf.v30i1.7479

Foncier et Coordination Agricoles: des actifs Inséparables pour la Construction Territoriale Dans les Espaces Péri-urbains

2025· article· fr· W2906214853 sur OpenAlexaffabout
Mikaël Akimowicz, Charilaos Képhaliacos, Karen Landman

Notice bibliographique

RevueProceedings of the Canadian Rural Revitalization Foundation · 2025
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensUniversity of GuelphBrandon University
Organismes subventionnairesnon disponible
Mots-clésPolitical science

Résumé

récupéré en direct d'OpenAlex

La composante agricole des espaces périurbains a longtemps été perçue comme une réserve foncière. Aujourd’hui, cette dernière est plutôt considérée comme une ressource à protéger. A l’échelle de l’exploitation agricole, ces enjeux se traduisent par un ensemble d’opportunités et de contraintes auxquelles doivent s’adapter les agriculteurs. Pour cela, les agriculteurs définissent des projets en mobilisant leurs représentations du monde. Dans cette communication, nous proposons d’éclairer l’importance de la coordination des acteurs du développement agricole des espaces périurbains pour la préservation du foncier agricole et le maintien d’un secteur agricole dynamique. Nous nous intéressons à la fois aux projets développés par les agriculteurs, afin de comprendre les mécanismes de leur adaptation face aux évolutions de leur contexte productif, et par les organismes de développement agricole, afin d’identifier les orientations portées par les organismes du territoire. A travers le prisme des décisions d’investissement, nous analysons l’impact de deux politiques publiques, l’interSCoT toulousain en France et la Ceinture de Verdure de l’Ontario au Canada. Pour cela, nous avons recueilli les cartes mentales des décisions d’investissement lors d’entretiens avec les agriculteurs que nous avons croisés avec les témoignages des acteurs du développement agricole récoltés lors d’un focus group.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,552
Score d'incertitude au seuil0,950

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,250
Écart entre enseignants0,235 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Rural Revitalization FoundationMême sujetAgriculture and Rural Development ResearchTravaux en français237 207