Financiering voor duurzame landbouwbedrijven : Geld aantrekken op de sociale en ecologische waarden die jij als boer creeert
Bibliographic record
Abstract
Het aantal duurzame landbouwbedrijven groeit. Het realiseren van een duurzame bedrijfsvoering vraagt vaakom investeringen. Bijvoorbeeld investeringen in extra grond of in duurzame bedrijfsgebouwen. Investeringendie jij als agrarisch ondernemer inzet om de sociale, ecologische en economische waarden te realiseren. Naastvoedsel produceren duurzame landbouwbedrijven namelijk ook ecologische waarden, zoals biodiversiteit eneen gezonde bodem. En sociale waarden, zoals het in stand houden van een mooi landschap, recreatie of zorg.Plus je produceert economische waarden voor jou als boer en de mensen om je heen, zoals werkgelegenheid.Welke mogelijkheden heb je om jouw duurzame plannen te financieren?
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 imitationNot 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.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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; both teacher heads agree on what is shown here.
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".