Farmer-centric On-Farm Experimentation: digital tools for a scalable transformative pathway
Notice bibliographique
Résumé
Abstract This virtual issue reports on the use of digital technologies in On-Farm Experimentation (OFE) in varied farming systems across the world. The authors investigated diverse questions across contrasted environments and scientific domains, with methodologies that included review, empirical studies, interviews, and reflexive accounts. The contributions thus showcase the multiplicity of research directions that are relevant to OFE. This includes addressing the two intertwined types of research objects in OFE: the farmers’ questions (how to improve management) and the methodologies required to address these (how to improve research through OFE)—with the notable support of digital tools. The issue includes a systematic review exploring OFE practices and farmer-researcher relationships as reported in the scientific literature; a meta-analysis comparing experimental scales in the USA; reflexive analyzes on a feed assessment tool and a tree crop decision support system rooted in OFE that are connecting farmers and researchers in Africa; a retrospective on a large CGIAR program combining citizen sciences and OFE; the use of video recordings and work analysis to characterize farmers’ knowledge in French vineyards; and in the same sector in Australia, two accounts of the use of digital tools in spatially explicit OFE: one an investigation into farmers’ and consultants’ perceptions, the other a retrospective on the roles of precision agriculture. Findings from these examples validate the use of varied digital tools to scale the design, implementation, and learning stages of OFE processes. These include how to better harness and bridge the knowledge of farmers, researchers and other parties, examples of data management and analytics, the improved interpretation of results, and capitalizing on experiences. The international conference this issue was part of also led to acknowledgement of a lack of policy linkages, required to scale OFE endeavors by incentivizing institutional change toward more farmer-centric research practices and responsible digital deployment.
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 | 0,057 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,014 |
| Communication savante | 0,014 | 0,018 |
| Science ouverte | 0,005 | 0,025 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 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 ».