Evaluation de la durabilité des exploitations agricoles : une synthèse bibliographique
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
La dégradation de l'environnement s'accentue et des études ont déjà révélé que les activités humaines telles que l'agriculture en sont les principales causes. Il s'agit d'une urgence qui exige une action de la part de tous les acteurs à tous les niveaux, et plus encore de la part des chercheurs. C’est d’ailleurs pour cette cause que la cible 7 de l’SDG 17 exhorte au transfert et à la diffusion de technologies respectueuses de l’environnement. Cependant, les articles de revue et de recherche qui émergent autour de la question de l'évaluation de la durabilité des exploitations agricoles semblent laisser de côté la capitalisation des résultats sur le terrain et aucune approche d’évaluation n’inclue une telle étape qui demeure la plus importante. La présente revue de la littérature invite les chercheurs à s’impliquer dans la mise en œuvre des recommandations après toute étude d’évaluations de la durabilité des exploitations agricoles. Elle part d’une analyse critique des recherches récentes sur la question entre 2017 et 2020 et débouche sur une approche de recherche-action nommée Deep Participatory Indicator-Based (DPIB). Les moteurs de recherche scientifique comme Google Scholar et Science Direct ont été utilisés pour identifier trente (30) articles pertinents à cet effet.
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.
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 | 0.005 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.010 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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 it