Merging Interest for Sustainable Agenda: Is There a Link between Sustainable Agriculture Practices and Farm Efficiency?
Notice bibliographique
Résumé
There is a global movement towards a sustainable agricultural system, given serious concerns for the food security of future generations. However, despite this push, adopting sustainable agriculture practices has been poor, given that their positive effect is not directly evident to the farmers. In countries like Fiji, where the majority of the land is leased, not undertaking sustainable agriculture practices can lead to a crisis of food insecurity and degraded low-quality land returning to the land owners and future generations. This study utilizes the latest Agriculture Census data from Fiji to construct a non-parametric production frontier from which to estimate the levels of efficiency of each farmer. These efficiency scores are then decomposed to farmers engaged in Sustainable Agriculture Practices vis-à-vis those not undertaking any Sustainable Agriculture Practice (SAP). The results from efficiency analysis provide efficiency and productivity scores for each farmer. Further decomposing it by SAPs reveals the marked difference in efficiency and productivity scores between farmers who undertake SAPs and those who do not. The results demonstrate that those farmers who undertake SAP have efficiency and productivity levels substantially higher than those who do not. To push the sustainable agriculture agenda amongst the farmers and landowners, policymakers must demonstrate to the farmers that undertaking SAPs will not only maintain the quality of the foundation input soil but will have a significant positive effect on their farm efficiency, productivity, and thus profitability. By doing so, the interests of all stakeholders are merged, making adopting sustainable agriculture practices easier on all farms.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».