Aligning research with policy and practice for sustainable agricultural land systems in Europe
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
Agriculture is widely recognized as critical to achieving the Sustainable Development Goals (SDGs), but researchers, policymakers, and practitioners have multiple, often conflicting yet poorly documented priorities on how agriculture could or should support achieving the SDGs. Here, we assess consensus and divergence in priorities for agricultural systems among research, policy, and practice perspectives and discuss the implications for research on trade-offs among competing goals. We analyzed the priorities given to 239 environmental and social drivers, management choices, and outcomes of agricultural systems from 69 research articles, the SDGs and four EU policies, and seven agricultural sustainability assessment tools aimed at farmers. We found all three perspectives recognize 32 variables as key to agricultural systems, providing a shared area of focus for agriculture's contribution to the SDGs. However, 207 variables appear in only one or two perspectives, implying that potential trade-offs may be overlooked if evaluated from only one perspective. We identified four approaches to agricultural land systems research in Europe that omit most of the variables considered important from policy and practice perspectives. We posit that the four approaches reflect prevailing paradigms of research design and data analysis and suggest future research design should consider including the 32 shared variables as a starting point for more policy- and practice-relevant research. Our identification of shared priorities from different perspectives and attention to environmental and social domains and the functional role of system components provide a concrete basis to encourage codesigned and systems-based research approaches to guide agriculture's contribution to the SDGs.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle