Collaborative agri-environmental governance in the Netherlands: a novel institutional arrangement to bridge social-ecological dynamics
Notice bibliographique
Résumé
The theoretical benefits of collaborative landscape-scale approaches to agri-environmental land management have been widely discussed. However, there is little empirical study of the practical governance mechanisms through which such collaborative management may be realized. In 2016, an innovative collaborative agri-environmental scheme was established in the Netherlands. In this scheme, “agricultural collectives”—i.e., groups of farmers organized as certified conservation organizations—are collectively responsible for the implementation of agri-environmental policies at the local level. With a focus on the Dutch model’s multi-level governance dimensions, this article examines how devolving important aspects of decision making on agri-environmental management to the level of a collective body of farmers shapes the implementation of agri-environmental policies on the ground. Based on new empirical data, we highlight the important roles of agricultural collectives in balancing trade-offs between ecological and social targets when setting environmental objectives, coordinating landscape-scale management, and contracting individual farmers. At the same time, the local embeddedness of agricultural collectives and close interpersonal ties can give rise to new governance risks that need to be considered, including goal divergence between the collectives and public bodies, as well as cases of prioritization of social interests over ecological interests in agri-environmental management. As we argue, combining governance through agricultural collectives with a high level of transparency regarding contracting decisions, as well as enhancing the inclusivity of the scheme through new funding opportunities for agri-environmental management, can optimize the benefits of these collectives.
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 | 0,003 | 0,008 |
| 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 | 0,004 | 0,006 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».