Evaluation de la durabilité des exploitations agricoles : une synthèse bibliographique
Notice bibliographique
Résumé
La dégradation de l'environnement s'accentue et des études ont déjà révélé que les activités humaines telles que l'agriculture en sont les principales causes. Il s'agit d'une urgence qui exige une action de la part de tous les acteurs à tous les niveaux, et plus encore de la part des chercheurs. C’est d’ailleurs pour cette cause que la cible 7 de l’SDG 17 exhorte au transfert et à la diffusion de technologies respectueuses de l’environnement. Cependant, les articles de revue et de recherche qui émergent autour de la question de l'évaluation de la durabilité des exploitations agricoles semblent laisser de côté la capitalisation des résultats sur le terrain et aucune approche d’évaluation n’inclue une telle étape qui demeure la plus importante. La présente revue de la littérature invite les chercheurs à s’impliquer dans la mise en œuvre des recommandations après toute étude d’évaluations de la durabilité des exploitations agricoles. Elle part d’une analyse critique des recherches récentes sur la question entre 2017 et 2020 et débouche sur une approche de recherche-action nommée Deep Participatory Indicator-Based (DPIB). Les moteurs de recherche scientifique comme Google Scholar et Science Direct ont été utilisés pour identifier trente (30) articles pertinents à cet effet.
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 | 0,019 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,025 | 0,039 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,011 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,002 |
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 ».