Understanding transitions in agriculture: pathways from conventional to sustainable production systems
Notice bibliographique
Résumé
Practical, affordable, climatic, and environmentally conscious; sustainable Best Management Practices (BMPs) represent a growing alternative to dominant conventional methods of agricultural production. As BMP adoption decisions are made at the farm-level, they are influenced by the system that they are embedded within, and they are diverse and context-specific. Through a systematic review of literature this paper aims to examine the drivers and barriers influencing farmer’s motivations and uptake of sustainable practices. In an effort to understand how to increase the prevalence of BMP use and trigger a transition from the current agri-food system‚ dominated by a productivist paradigm, and the rationale of economic growth over ecological stability‚ this paper proposes the use of the Multi-Level Perspective (MLP). Highlighting the relationship between niche-, regime, and landscape-dynamics, the MLP provides a framework to examine the methods by which small, dynamic segments of society or system can disrupt and destabilize existing and powerful regimes. Applying the MLP to our review of literature, this paper argues that much of the existing scholarship on factors impacting farmer’s adoption of BMPs currently lacks critical examination of the relationships which support transitions to sustainability, and future research could be strengthened through the consideration of interaction and interdependence across levels in the system. Additionally, we propose the use of the Positive Deviance approach to help in identifying and recognizing niche-innovations and actors, deepening understandings of the existing structural/institutional barriers faced by farmers, and the means by which these are being overcome. This research study is financed by OMAFRA. Funding: OMAFRA through the Ontario Agri-food Innovation Alliance
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 | 0,007 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,013 |
| Communication savante | 0,011 | 0,024 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».