Adaptation of agriculture to climate change in Quebec : the co-construction of agricultural policies in the RCM of Haut-Richelieu
Bibliographic record
Abstract
Les facteurs climatiques ainsi bien que les facteurs non-climatiques doivent être pris en considération dans le processus d'adaptation de l'agriculture aux changements et à la variabilité climatiques (CVC). Ce changement de paradigme met l'agent humain au centre du processus d'adaptation, ce qui peut conduire à une maladaptation. Suite aux débats sur les changements climatiques qui ont attiré l'attention scientifique et publique dans les années 1980 et 1990, l'agriculture canadienne est devenue un des points focaux de plusieurs études pionnières sur les CVC, un phénomène principalement dû à l’effet anthropique. Pour faire face aux CVC, ce n’est pas seulement la mitigation qui est importante mais aussi l’adaptation. Quand il s'agit de l'adaptation, c'est plutôt la variabilité climatique qui nous intéresse que simplement les augmentations moyennes des températures. L'objectif général de ce mémoire de maîtrise est d'améliorer la compréhension des processus d'adaptation et de construction de la capacité d'adaptation ai niveau de la ferme et de la communauté agricole à travers un processus ascendant, c’est-à-dire en utilisant l'approche de co-construction (qui peut également être considéré comme une stratégie d'adaptation en soi), pour développer une gestion et des outils de planification appropriés aux parties prenantes pour accroître ainsi la capacité d'adaptation de la communauté agricole. Pour y arriver, l'approche grounded theory est utilisée. Les résultats consistent de cinq catégories interdépendantes de codes élargis, conceptuellement distinctes et avec un plus grand niveau d'abstraction. La MRC du Haut-Richelieu a été choisie comme étude de cas en raison de plusieurs de ses dimensions agricoles, à part de ses conditions biophysiques favorables. 15 entrevues ont été menées avec les agriculteurs. Les résultats montrent que si certains agriculteurs ont reconnu les côtés positifs et négatifs des CVC, d’autres sont très optimistes à ce sujet comme se ils ne voient que le côté positif; d'où la nécessité de voir les deux côtés des CVC. Aussi, il y a encore une certaine incertitude liée aux CVC, qui vient de la désinformation et la désensibilisation des agriculteurs principalement en ce qui concerne les causes des CVC ainsi que la nature des événements climatiques. En outre, et compte tenu du fait que l'adaptation a plusieurs caractéristiques et types, il existe de nombreux types d'adaptation qui impliquent à la fois l'acteur privé et le gouvernement. De plus, les stratégies d'adaptation doivent être élaborées conjointement par les agriculteurs en concert avec d'autres acteurs, à commencer par les agronomes, car ils servent en tant que relais important entre les agriculteurs et d'autres parties prenantes telles que les institutions publiques et les entreprises privées.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".