The Politics of Digital Agricultural Technologies: A Preliminary Review
Notice bibliographique
Résumé
Abstract Digital technologies are being developed and adopted across the agro‐food system, from farm to fork. Within decision‐making spaces, however, little attention is being paid to political factors arising from such technological developments. This review draws from critical social sciences to examine emerging technologies and big data systems in agriculture and assesses some key issues arising in the field. We begin with an introduction and review of the so‐called ‘digital revolution’ and then briefly outline how political economy is effective for understanding major challenges for governing technologies and data systems in agriculture. These challenges include: (1) data ownership and control, (2) the production of technologies and data development, and (3) data security. We then use literature and examples to consider the extent to which the political and economic landscape can be shifted to support greater equity in agriculture, while reflecting on structural challenges and limits. In doing so, we emphasise that while there are significant systemic tensions between digital ag‐tech development and agroecological approaches, we do not see them as mutually exclusive per se. This article intends to provide decision‐makers, practitioners and scholars from a wide range of disciplines with a timely assessment of agro‐food digitalisation that attends to political economic factors. In doing so, this article contributes to policy and decision‐making discussions, which, from our perspective, continue to be rather technocentric in nature while paying little attention to how digital technologies can support agroecological systems specifically.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».