Estimation des bénéfices associés à l'amélioration de la qualité de l'eau : application de l'approche des comportements défensifs aux producteurs agricoles québécois
Bibliographic record
Abstract
Cette étude vise à analyser les bénéfices associés à l’amélioration de la qualité de l’eau en appliquant la méthode de « comportements défensifs » aux agriculteurs québécois. Des variables de perception sur la dégradation de la qualité de l’eau et de l’environnement et de caractéristiques individuelles et de ferme ont été incluses dans des modèles économétriques probit et poisson afin d’analyser leur impact sur la probabilité d’adoption de trois PGBs, de deux mesures défensives et sur la fonction de santé ainsi que pour identifier l’existence de lien entre PGBs et mesures défensives. Les résultats démontrent la significativité de certaines de ces variables dans les modèles de PGBs et de mesures défensives et l’existence de corrélation entre les trois PGBs. Toutefois, les mesures défensives n’ont pas d’effet sur l’adoption des PGBs de l’étude. Finalement l’adoption de PGBs réduit le nombre de jours de symptômes de maladie.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| 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 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".