MétaCan
Menu
Retour à la cohorte
Enregistrement W4408460147 · doi:10.21083/ruralreview.v4i1.6034

Farmer-Identified Climate Policy and Interventions in Ontario

2020· article· en· W4408460147 sur OpenAlexaffvenueabout
Lisa Ashton

Notice bibliographique

RevueRural Review Ontario Rural Planning Development and Policy · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionClimate policyEnvironmental planningClimate changePolitical scienceEnvironmental scienceEnvironmental resource managementBusinessGeographyMedicineNursingGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

including excess nutrient application, inefficient animal feeding, and conventional tillage can be sources of GHG emissions, including N2O and CH4. We also know that some agricultural practices, including cover cropping and improved efficiency in animal feed, can reduce GHG emissions and in some cases support the sequestration of carbon in soils. But we know little about what climate change policies and interventions are effective and attractive for farmers in Ontario. A policy evaluation tool will be used to frame potential climate policy and interventions that farmers will be able to interact with identify policies and actions that they view as acceptable and effective. This research has two main objectives: (1) facilitate discussions on potential ways for farmers in Ontario to reduce GHG emissions from production; (2) catalyze climate action in agricultural production.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,353
Score d'incertitude au seuil0,774

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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)0,0010,000

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 Opus0,063
Tête enseignante GPT0,308
Écart entre enseignants0,244 · 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'étudeObservationnel
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

Citations0
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRural Review Ontario Rural Planning Development and PolicyMême sujetAgriculture and Rural Development ResearchTravaux en français237 207