Partnerships Generate Co-Benefits in Agricultural Stream Restoration (Canterbury, New Zealand)
Notice bibliographique
Résumé
In Aotearoa New Zealand, agricultural land-use intensification and decline in freshwater ecosystem integrity pose complex challenges for science and society. Despite riparian management programmes across the country, there is frustration over a lack in widespread uptake, upfront financial costs, possible loss in income, obstructive legislation and delays in ecological recovery. Thus, social, economic and institutional barriers exist when implementing and assessing agricultural freshwater restoration. Partnerships are essential to overcome such barriers by identifying and promoting co-benefits that result in amplifying individual efforts among stakeholder groups into coordinated, large-scale change. Here, we describe how initial progress by a sole farming family at the Silverstream in the Canterbury region, South Island, New Zealand, was used as a catalyst for change by the Canterbury Waterway Rehabilitation Experiment, a university-led restoration research project. Partners included farmers, researchers, government, industry, treaty partners (Indigenous rights-holders) and practitioners. Local capacity and capability was strengthened with practitioner groups, schools and the wider community. With partnerships in place, co-benefits included lowered costs involved with large-scale actions (e.g., earth moving), reduced pressure on individual farmers to undertake large-scale change (e.g., increased participation and engagement), while also legitimising the social contracts for farmers, scientists, government and industry to engage in farming and freshwater management. We describe contributions and benefits generated from the project and describe iterative actions that together built trust, leveraged and aligned opportunities. These actions were scaled from a single farm to multiple catchments nationally.
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 | 0,012 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,008 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,018 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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 ».