DIGITAL ECONOMY TECHNOLOGIES IN THE AGROTECHNOLOGICAL MODEL
Notice bibliographique
Résumé
The article examines the application of modern technologies, in particular blockchain, artificial intelligence (AI) and the Internet of Things (IoT), in agriculture. The authors emphasize the importance of digitalization of the agricultural sector to improve efficiency, sustainability and food security. The article analyzes the advantages and disadvantages of blockchain technology, such as security, cost reduction, speed and versatility, as well as uncertain regulatory status, high energy dependence and scalability. Examples of blockchain use in the agricultural sector are described, for example, the Grain Discovery platform in Canada, to improve the transparency and efficiency of supply chains. Then, the possibilities of AI in agriculture are considered, including plant disease identification, weed classification, water management, weather and crop yield forecasting. The authors distinguish four types of AI and note the importance of standardization and regulation of this technology. A SWOT analysis of AI application in the agricultural sector is provided, where the strengths are increased productivity and efficiency of management decisions, and the weaknesses are the need for significant investments and the length of time it takes for technologies to enter the market. The final part of the article discusses the Internet of Things (IoT) technology, its components and application in agriculture. The authors provide statistics on the growth of the IoT market in Russia and note the importance of developing national standards in this area. Examples of IoT use in agriculture are described, such as GPS trackers, animal activity sensors, precision farming systems and RFID technologies. The authors conclude that agricultural technologies are a key tool for the development and transformation of agriculture.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».