Ecobordure, un indicateur de l'état agroécologique des bordures de champs
Bibliographic record
Abstract
Le rôle de l’agriculture dans la gestion de la biodiversité est ambivalent : si les pratiques agricoles, dans leur histoire, ont soutenu la biodiversité, l'intensification des pratiques a largement contribué à son érosion. Aujourd’hui, de nouvelles trajectoires (industrialisation de l'agriculture, meilleure prise en compte de la biodiversité) se développent. Face à la complexité des phénomènes, le recours aux indicateurs est utile pour révéler facilement et à moindre coût les interactions entre agriculture et biodiversité et suivre leur évolution. C’est dans cet objectif que l’unité SAD-Paysage a élaboré l’indicateur Ecobordure, un outil d’évaluation de l’état agro-écologique des bordures de champ. Basé sur la reconnaissance d’un petit nombre d’espèces végétales herbacées réparties dans trois groupes, les espèces dites « forestières », « prairiales » et « adventices », Ecobordure permet d’inférer à la fois les causes qui expliquent l’état de ces bordures (facteurs environnementaux et agricoles) et les conséquences que l'on peut déduire de cet état (services écologiques potentiels). Enfin, sa fonction d’évaluation et de diagnostic en fait un outil privilégié d’échanges avec les acteurs du développement, d’associations, de l'enseignement agricole et de collectivités territoriales.
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 | 0.001 |
| 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 | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
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".