Farmers’ Preferences for Agri-Environmental Incentive Programs, Learning from Experiences in Ontario
Notice bibliographique
Résumé
Based on a literature review, an international benchmark, and a case study in Ontario, the dissertation explores farmers' preferences for agri-environmental incentive programs. We use literature in agricultural, environmental and behavioural economics, and social psychology to propose an original analytical framework of farmers' preferences. This framework is tested in Ontario and helps understand farmers' motivations to participate or not to participate in environmental incentive programs. We then review the evolution of agri-environmental programs in Ontario since the 1930s. We develop original frameworks to compare programs fostering either collaboration or competition among farmers and use these frameworks to compare Ontario programs with contrasting programs in other provinces and OECD countries. Based on program design analysis and semi-structured interviews, we identify program characteristics that matter to Ontario farmers. Through a choice experiment, we then test which characteristics matter most in farmers' decisions and segment Ontario farmers into groups of heterogeneous preferences. The dissertation decisively adopts a mixed-methodology approach. Qualitative research is used to design the choice experiment (exploratory sequential design). Open-ended questions in the experiment link farmer choice-profiles with qualitative results, thus confirming, illustrating or nuancing choice experiment findings (convergent design). Finally, the participation of informal field advisors all along the research process allows for a research design targeted on current policy questions and continuous verification of intermediate findings. We find that programs designed to be the most competitive are not necessarily the most cost-efficient because medium and long-term dimensions are not considered. We identify five farmer profiles with different preferences and attitudinal traits. While 'Business Farmers' and 'Busy Farmers' have a strong preference for high incentive levels, other types of farmers either value technical assistance above the monetary incentive, are only willing to participate if their contact point is a fellow farmer, or are largely unwilling to participate. Several farmer profiles would prefer collective approaches. We also find that preferences are endogenous. They evolve as information emerges, applications succeed or fail, engagement takes place, and farmers discuss approaches and their impacts. The concluding chapter presents, on this basis, a series of research-grounded recommendations for agri-environmental policy design in Ontario.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».