Y a-t-il des freins ou des obstacles juridiques à la transition vers l’agriculture biologique au Québec ?
Bibliographic record
Abstract
Les produits issus de l’agriculture biologique sont de plus en plus demandés au Québec. Cette popularité provient entre autres des bienfaits potentiels que ce type d’agriculture aurait sur la santé, ainsi que sur notre environnement. Toutefois, la croissance du nombre de terres agricoles biologiques demeure assez faible dans la province. Ainsi, le présent essai examine, d’un point de vue scientifique, l’impact de ce type d’agriculture sur la santé des individus et sur l’environnement. Puis, dans une perspective juridique, il propose une analyse du cadre normatif entourant l’agriculture biologique au Québec afin de déterminer si des freins juridiques peuvent expliquer la croissance plus faible du nombre de terres agricoles biologiques québécoises comparativement à l’augmentation de la demande. L’étude révèle un certain décalage entre les normes dites de droit souple, comme les politiques gouvernementales, et celles qui proviennent du droit dur, incluant les lois et les règlements. En effet, le droit souple semble promouvoir l’agriculture biologique, mais les lois n’ont pas été modifiées depuis plusieurs années, ce qui pose diverses embûches pour ce type d’agriculture.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.009 | 0.005 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.011 | 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".