Concilier biodiversité et agriculture : dépasser la dualité du land sparing contre le land sharing
Bibliographic record
Abstract
À l’échelle mondiale, certaines pratiques agricoles ont simplifié les écosystèmes en réduisant la biodiversité de façon irréversible. Or, la perte de biodiversité constitue une menace pour tous les êtres humains, et plus particulièrement pour les populations qui dépendent étroitement de ressources naturelles variées. Par conséquent, le besoin de concilier production agricole et maintien de la biodiversité est criant, comme en témoigne le débat scientifique opposant le land sparing au land sharing. Chacune de ces approches propose une perspective ; la première propose d’intensifier l’agriculture et de créer des aires de conservation séparées, la deuxième cherche à mieux imbriquer les fonctions de la biodiversité dans les systèmes agricoles. Bien que ces approches soient importantes dans le développement de connaissances scientifiques, l’incidence de ce débat pour la formulation de politiques publiques peut être lourde de conséquences. À titre d’illustration, l’approche du land sparing peut encourager des mesures favorables aux acteurs de l’intensification agricole et défavorables aux petits exploitants en systèmes extensifs disposant de ressources limitées. Ainsi, la dualité sur laquelle le débat du land sparing contre le land sharing repose tend à limiter l’attention accordée aux divers contextes socioéconomiques et écologiques étudiés. Nous proposons, par considération éthique à l’égard des populations plus vulnérables et moins représentées dans ce type de recherche, de dépasser le débat en lui-même afin d’éviter d’imposer une approche plutôt que l’autre. Il semble préférable de considérer au premier chef les caractéristiques propres à chaque contexte agricole, ainsi que les relations qui se tissent entre agriculteurs et biodiversité.
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 | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.006 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".