365 Building bridges for sustainable livestock: The 10-year+ learnings from the Global Farm Platform
Notice bibliographique
Résumé
Abstract The Global Farm Platform initiative (www.globalfarmplatform.org), established in 2014, is a network of research farms and institute members working collaboratively to enhance the sustainability of ruminant livestock systems through the development of transformational regional solutions to global challenges and promote their adoption. This multidisciplinary international network provides a unique combination of research and practice for diverse ruminant production systems in various cultural, socioeconomic, and climatic zones. Our steps for sustainable livestock include: 1) Feeding animals less human food, focusing on forage-based systems and reducing reliance on supplementary feeds; several research farms (RFs) are exploring sustainable practices, such as the Kenian “Tumbukiza” method and increased plant diversity in grazing systems, to enhance resilience and productivity. 2) Raising regionally appropriate animals adapted to local conditions; RFs are engaged in crossbreeding and selecting animals for resilience to climate change challenges, ensuring they can thrive in specific environments. 3) Keeping animals healthy; RFs employ various approaches, including technology like sensors and video cameras for monitoring animal health, as well as vaccine development to combat specific diseases. 4) Smart supplements; RFs explore options like spontaneous vegetation and innovative legumes to enrich soil quality and provide nutrition. 5) Focusing on quality over quantity in food production; RFs are implementing measures such as CT scanning for carcass confirmation and assessing the nutritional value and carbon footprint of forage-based beef systems. 6) Tailoring practices to local culture; promoting the transfer of research outcomes to stakeholders and farming communities. This includes initiatives to transform agriculture for environmental and economic benefits. 7) Tracking costs and benefits; involves assessing the environmental and economic impacts of sustainable grazing systems, utilising Life Cycle Assessment approaches, and collating databases for comprehensive analysis. 8) Studying best practices; involves the Global Farm Platform initiative’s network of research farms globally. The initiative aims to optimise livestock use in various regions, considering local resources, breeds, and feedstuffs.
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 | 0,012 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,011 | 0,015 |
| Science ouverte | 0,002 | 0,015 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,008 |
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 ».