MétaCan
Menu
Back to cohort
Record W2273527289 · doi:10.5558/tfc2015-091

Contexte politique québécois et pratique de l'agroforesterie: État des lieux

2015· article· fr· W2273527289 on OpenAlexaffvenueabout
Geneviève Laroche, Alain Olivier

Bibliographic record

VenueThe Forestry Chronicle · 2015
Typearticle
Languagefr
FieldAgricultural and Biological Sciences
TopicAgroforestry and silvopastoral systems
Canadian institutionsUniversité Laval
Fundersnot available
KeywordsPolitical scienceHumanitiesArt

Abstract

fetched live from OpenAlex

Au Québec (Canada), il n'existe aucune politique globale encadrant la pratique de l'agroforesterie. Paradoxalement, les instruments de politiques publiques ayant un impact sur le déploiement des pratiques agroforestières à l’échelle du territoire sont nombreux. Enchâssés dans un environnement politique et règlementaire à la fois flou, complexe et changeant, ils sont souvent mal connus des forestiers, des agriculteurs et des intervenants qui les accompagnent. Cet article propose un état des lieux de l'influence des instruments de politiques publiques sur les haies brise-vent, les bandes riveraines arborées, les systèmes agrosylvicoles, les systèmes à arbres fruitiers et à noix, les systèmes sylvopastoraux et les cultures en boisé. L’étude exhaustive des politiques a permis de recenser neuf instruments appuyant directement ou indirectement l'implantation de ces systèmes, leur entretien et la récolte de leurs produits et six instruments limitant le déploiement de l'agroforesterie. L'analyse des conséquences de l'implantation d'arbres en champ et de cultures agricoles en boisé sur l'octroi des aides agricoles et forestières a pour sa part révélé que ces conséquences sont relativement mineures. Globalement, l'environnement politique et règlementaire s'avère mal adapté aux particularités des systèmes agroforestiers. Des ajustements aux programmes actuels paraissent nécessaires afin de rendre l'environnement politique plus favorable au développement de ces systèmes.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.433
Threshold uncertainty score0.917

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0020.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.001
Scholarly communication0.0000.001
Open science0.0010.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0000.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.039
GPT teacher head0.271
Teacher spread0.232 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations5
Published2015
Admission routes3
Has abstractyes

Explore more

Same venueThe Forestry ChronicleSame topicAgroforestry and silvopastoral systemsFrench-language works237,207