Barometer Duurzame landbouw Noord-Brabant
Bibliographic record
Abstract
De landbouw en voedselproductie zijn belangrijke economische activiteiten in Noord-Brabant met een grote impact.In het bestuursakkoord 'Kiezen voor kwaliteit' zet de provincie een lijn uit voor de gewenste toekomstige ontwikkeling, die het komend jaar verder wordt uitgewerkt.Om die uitwerking een goede basis te geven heeft de provincie Noord-Brabant Wageningen Economic Research gevraagd op basis van feiten een zo actueel mogelijk beeld te geven van de primaire sectoren binnen de Brabantse Agrofood.Daarbij wordt inzicht gegeven in de huidige stand van zaken en in opgetreden ontwikkelingen in de afgelopen decennia.Het beeld van de provincie Noord-Brabant wordt vergeleken met het landelijke beeld, waardoor eveneens inzicht wordt verkregen in de sterke en zwakke punten van de primaire sectoren in Noord-Brabant.Hierbij is de Barometer Duurzame landbouw als instrument gebruikt.Er heeft een terugkoppeling van de resultaten en inzichten uit de Barometer plaatsgevonden naar deskundigen en actoren binnen de Brabantse Agrofood.In twee sesssies (een gericht op de plantaardige sectoren, een gericht op de dierlijke sectoren) zijn de volgende vragen gesteld: wordt het gepresenteerde beeld van de primaire Brabantse landbouw, inclusief de sterkten en zwakten, erkend en herkend door de Brabantse Agrofood?Welke aanvullingen kunnen meegegeven worden ten aanzien van de sterkten en zwakten die zij ervaren en zien binnen hun werkterrein?De opmerkingen en aanvullingen bij de opdracht zijn zo goed mogelijk meegenomen in het eindproduct.Met de Barometer Duurzame landbouw en de sterkte-zwakteanalyse wil de Provincie een gedegen basis leggen voor de opvolger van het Uitvoeringsprogramma Brabantse Agrofood, het programma Landbouw en Voedsel.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 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) | 0.027 | 0.003 |
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".