Not all BMPs are Created Equal: No Regret, Neutral, Sacrifice and Dead End BMPs
Notice bibliographique
Résumé
Introduction: The science of anthropogenic global warming is well established. Burning 100 M barrels of oil equivalent does do harm, yet in the USA Mid-West as well as in Alberta 90% of farmers sampled either did not believe in AGW or thought it is a natural process. Purpose: to provide an alternative view of twelve BMPs and their importance and adoption by leading innovative global warming wary farmers operating in the Northern Great Plains. Findings: Analysis of the exploratory in-depth qualitative narrative-based research work conducted during my PhD thesis has resulted in development of Rourke’s General Farm Practice Change Theory, a Net Positive farm Framework and a Global warming Mitigation credit framework. It went further to develop a BERT/E BMP adoption scoring system, where B= Beliefs, E= Economics, R= Regulatory environment, T= scalable local pragmatic technology and the second E, the denominator is the Energy of the farmer physically and mentally to make the change(s). Practical Implications: To be widely adopted BMPs must have a high BERT/E score and can be grouped into 4 categories, No Regret, Neutral, Sacrifice and Dead End BMPs. The study found while farmers may believe in a wide variety of BMPs, it is only the very few which are No Regret BMPs that are widely adopted and are needed to become Net Positive. Two of the 12 farm participants were Net Positive. These farms also had high Sustainable Farm Indices, SFI, which balances farm profitability, farm output with farm emissions—a Triple Win.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».