D6.4. FARMERS' ADOPTION OF SUSTAINABLE SOIL MANAGEMENT PRACTICES
Notice bibliographique
Résumé
Change in the current farming practices is crucial for improving soil conditions and the ecosystemservices. Beyond economic and environmental aspects, the adoption of new management practicesby farmers depends on several social and psychological factors at the farm level. The objective of thisdeliverable is to obtain a better understanding of decision-making by farmers when it comes to theadoption of sustainable soil management practices. In this deliverable, we apply the theory of plannedbehavior. We present barriers and drivers for different sustainable soil management practices takinginto account the context of the five pedoclimatic regions included in our study. Furthermore, wepresent an econometric analysis of farmers compensation requests. The survey results from the regions showed that the most commonly used indicators to evaluate soilquality were soil structure, pH levels, and water retention capacity. Generally, 46% of respondentsrated soil quality as rather good, while 38% rated it as neither good nor bad. Popular practices toimprove soil quality included incorporating crop residue and implementing long rotation periods, withstrong interest in less frequent ploughing and reducing tillage depth. Attitudes towards improving soilquality were positive, and the intention to invest in soil quality was strongly linked to past behaviorand moral obligation. Varying levels of intention were shown related to regional practices, being highest in Atlantic Spain(crop diversification) and in Finland (plant cover, shallow tillage). The importance of attitude and pastbehavior in explaining intention to apply the practices were consistent across the regions, with themost positive attitudes in Mediterranean Spain t This work was funded by the European Commission Horizon 2020 project SoildiverAgro [grant agreement 817819].
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,006 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».