The future of agricultural data-sharing policy in Europe: stakeholder insights on the EU Code of Conduct
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In 2018, the EU Code of Conduct of Agricultural Data Sharing by Contractual Agreement (EUCC) was published. This voluntary initiative is considered a basis for rights and responsibilities for data sharing in the agri-food sector, with a specific farmer orientation. While the involved industry associations agreed on its content, there are limited insights into how and to what extent the EUCC has been received and implemented within the sector. In 2024, the Data Act was introduced, a horizontal legal framework that aims to enforce specific legal requirements for data sharing across sectors. Yet, it remains to be seen if it will be the ultimate solution for the agricultural sector, as some significant agricultural data access issues remain. It is thus essential to determine if the EUCC may still play a significant role to address sector-specific issues in line with the horizontal rules of the Data Act. During six workshops across Europe with 89 stakeholders, we identified how the EUCC has been (1) received by stakeholders, (2) implemented, and (3) its future use (particularly in response to the Data Act). Based on the workshop results and continued engagements with researchers and stakeholders, we conclude that the EUCC is still an important document for the agricultural sector but should be updated in response to the content of the Data Act. Hence we propose the following improvements to the EUCC: 1. Provide clear, practical examples for applying the EUCC combined with the Data Act; 2. Generate model contractual terms based on the EUCC provisions; 3. Clarify GDPR-centric concepts like anonymisation and pseudonymisation in the agricultural data-sharing setting; 4. Develop a functional enforcement and implementation framework; and 5. Play a role in increasing interoperability and trust among stakeholders.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,004 | 0,001 |
| 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 découle