Encouragement from the right source: Evaluating the impact of the 4R Nutrient Stewardship Certification Program in the Ohio Western Lake Erie Basin
Notice bibliographique
Résumé
Harmful algal blooms are a considerable environmental issue predominantly caused by runoff of nutrients from agricultural lands. One high-profile set of practices promoted to combat this threat is the 4Rs of nutrient stewardship that concern using the right source of nutrients at the right rate and right time in the right place. While outreach for agricultural conservation is often undertaken by governmental or nonprofit entities, there is increasing interest in engaging agricultural retailers to leverage the trust that already exists between farmers and their agribusiness professionals. The 4R Nutrient Stewardship Certification Program, implemented in the Western Lake Erie Basin (WLEB) in 2014, certifies crop advising companies and agronomy retailers or Nutrient Service Providers (NSPs) to promote best practices in nutrient management. This program has since grown and now exists in six US states and the province of Ontario and Prince Edward Island in Canada. Using a survey of farmers in the WLEB, we investigate the impact of working with certified NSPs over time on farmers' reported 4R-related behaviors. We find evidence that working with a certified NSP has a positive impact on 4R behaviors that is independent of other potential explanations for this change (e.g., farmer concern about nutrient loss, local regulatory efforts, and exposure to general 4R-related outreach). Overall, these results suggest that the 4R Nutrient Stewardship Certification Program is having an independent, positive impact on farmer behavior, and engaging with agricultural retailers and agronomists can be effective at advancing adoption of environmentally impactful nutrient management practices.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».