MétaCan
Menu
Retour à la cohorte
Enregistrement W4379912818 · doi:10.18174/629483

Regenerative agriculture in Europe : An overview paper on the state of knowledge and innovation in Europe

2023· report· en· W4379912818 sur OpenAlexaff
Mark Manshanden, Allard Jellema, W. Sukkel, R.A. Jongeneel, Carlos Brazao Vieira Alho, Ángel de Miguel García, Lotte de Vos

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBioeconomy and Sustainability Development
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésAgroecologyAgricultureSet (abstract data type)Relation (database)State (computer science)Sustainable agricultureBusinessEnvironmental resource managementEnvironmental economicsNatural resource economicsEconomicsComputer scienceGeography

Résumé

récupéré en direct d'OpenAlex

Regenerative agriculture (RegenAg) is on the rise, aiming to make farming sustainable. But what isRegenAg? How does RegenAg compare to other agricultural concepts? How does RegenAg differ acrossEurope? Can RegenAg be economically viable? And can it be measured? This report identifies that it isdifficult to assess the current state of a concept that does not have a clear definition. We compared RegenAgto agroecology, conservation agriculture and organic farming. The most striking differentiation seems to bethat RegenAg is defined by its outcomes. This provides freedom to farmers, while considering the contextspecificity of RegenAg. Measuring actual outcomes is hard to accomplish and often has a weak relation withfarm level measures. Hybrid measuring approaches based on farm measures in combination with farm datacan be useful. This report concludes with recommendations to consider RegenAg as a set of objectives,rather than a set of measures and to start an EU-wide indicator system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,893
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,113
Tête enseignante GPT0,309
Écart entre enseignants0,195 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBioeconomy and Sustainability DevelopmentTravaux en français237 207