MétaCan
Menu
Back to cohort
Record W3202834964 · doi:10.13140/rg.2.2.13980.31362

Méthodes pour la modélisation dynamique des composantes socioéconomiques et biologiques des systèmes agricoles à petite échelle

2020· article· fr· W3202834964 on OpenAlexfundno aff
Julien Jean Malard-Adam

Bibliographic record

VenueeScholarship@McGill (McGill) · 2020
Typearticle
Languagefr
FieldAgricultural and Biological Sciences
TopicAgriculture and Rural Development Research
Canadian institutionsnot available
FundersFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
KeywordsMathematics

Abstract

fetched live from OpenAlex

L’agriculture à petite échelle est une composante clef des systèmes agroalimentaires au niveau mondiale et contribue de manière importante et à l’économie, et à l’alimentation humaine, et ce, en tout particulier dans le cas des communautés Indigènes. Malgré leur importance à l’alimentation mondiale, les systèmes agricoles à petite échelle, en tout particulier ceux qui supportent des communautés Indigènes, font face à de graves défis d’ordre socioéconomique de même qu’environnemental et climatique.Dans ce contexte, l’utilisation des outils de modélisation informatique pourrait contribuer à une meilleure gestion de ces systèmes socioenvironnementaux complexes. Cependant, plusieurs barrières s’opposent à l’application de la modélisation informatique à l’évaluation et à la conceptualisation des systèmes agricoles à petite échelle.Du côté socioéconomique, la complexité des interactions entre variables sociales, économiques et environnementales génère fréquemment des comportements et des réponses contre-intuitives de la part des systèmes agricoles. La modélisation des dynamiques des systèmes est une approche prometteuse envers la simulation participative de ces systèmes; toutefois, le manque de données temporelles des variables clefs de la majorité des systèmes agricoles à petite échelle, de même que la difficulté associée à la représentation des processus biophysiques complexes (tels les changements climatiques ou la croissance des cultures) dans un environnement des dynamiques des systèmes compliquent l’application de cette méthodologie à l’analyse des systèmes agricoles à petite échelle.Du côté écologique et environnemental, ces systèmes incluent une grande diversité de réseaux trophiques agroécologiques qui déterminent les pressions des ravageurs et influencent de manière importante les rendements finaux. Cependant, aucun cadre méthodologique uniformisé n’existe pour la modélisation des dynamiques des populations des réseaux trophiques agroécologiques.La présente thèse propose des nouvelles méthodes et outils informatiques dans le but de contribuer à combler ces lacunes. Du côté socioéconomique, elle propose des méthodes participatives axées sur les dynamiques des systèmes pour évaluer la durabilité environnementale et socioéconomique des systèmes agricoles à petite échelle, dans le contexte de la comparaison de deux systèmes agricoles à petite échelle et Indigènes au Guatemala (l’un orienté vers le marché commercial, l’autre vers l’autosuffisance). Les nouvelles méthodes proposées incluent 1) le développement d’une méthodologie de calibration et validation spatiale axée sur l’inférence hiérarchique bayésienne qui permet la calibration des modèles des dynamiques des systèmes lorsque les données temporelles se font rares, de même que 2) le développement d’un outil informatique générique qui facilite le couplage des modèles des dynamiques des systèmes socioéconomiques aux modèles physiques externes, tel un modèle des cultures. Les résultats de l’application de cette méthodologie au Guatemala indiquent que la méthodologie participative des dynamiques des systèmes décèle bien les variables et relations clefs de ces systèmes socioéconomiques et environnementaux, et que le couplage des modèles génère des prévisions plus précises et réalistes qu’auraient été possibles dans l’absence du modèle physique externe. Du côté agroécologique, la thèse présente 3) une meilleure fondation théorique pour la modélisation de la prédation au sein des réseaux trophiques et 4) un cadre méthodologique et un outil informatique générique pour la modélisation des dynamiques populationnelles des réseaux trophiques agroécologiques. Les résultats présentent la première évidence théorique, axée sur la modélisation calibrée, des dynamiques écologiques responsables de la résurgence des ravageurs dans les systèmes sous contrôle chimique et font démonstration de l’utilité de la gestion intégrée des ravageurs axée sur la modélisation prédictive

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 imitation

Not 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.

metaresearch head score (Codex)0.005
metaresearch head score (Gemma)0.012
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Methods · Consensus signal: Methods
Teacher disagreement score0.021
Threshold uncertainty score0.041

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0050.012
Meta-epidemiology (narrow)0.0020.001
Meta-epidemiology (broad)0.0010.004
Bibliometrics0.0020.002
Science and technology studies0.0010.001
Scholarly communication0.0040.002
Open science0.0030.002
Research integrity0.0020.003
Insufficient payload (model declined to judge)0.0070.002

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 head0.051
GPT teacher head0.261
Teacher spread0.210 · 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 source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreMethods

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

Citations0
Published2020
Admission routes1
Has abstractyes

Explore more

Same venueeScholarship@McGill (McGill)Same topicAgriculture and Rural Development ResearchFrench-language works237,207