Leviers d'action et adoption des bonnes pratiques agroenvironnementales par les entreprises agricoles en production végétale au Québec
Bibliographic record
Abstract
Un grand nombre d'auteurs et d'institutions gouvernementales s'entendent pour dire que l'agriculture est devenue problématique pour l'environnement à la suite de son industrialisation, vers les années 1950, alors que s'est effectuée la transition d'une agriculture extensive à une agriculture très productive avec une forte consommation d'intrants (Nature Québec, 2011; Ministère de l'Environnement, de la Lutte contre les changements climatiques, de la Faune et des Parcs (MELCCFP), 2003; Leblanc, 2010; Ministère des Ressources naturelles et des Forêts (MRNF), 2007). Ces problèmes écologiques liés à l'agriculture sont également partagés par plusieurs pays dans le monde (Reimer et Prokopy, 2014) et sont parmi les plus inquiétants en Europe et en Amérique du Nord. Beaucoup de mesures sont mises en place pour faire adopter davantage de bonnes pratiques agroenvironnementales par les producteurs agricoles québécois. Un questionnaire Web a été administré à 284 producteurs œuvrant dans le secteur végétal des régions de Chaudière-Appalaches, Centre-du-Québec et Montérégie. Une régression multiple des moindres carrés ordinaire (MCO) a été conduite afin de mettre en relief l'effet de certains leviers d'action menant à une adoption élargie des bonnes pratiques agroenvironnementales. Les résultats ont montré un impact statistiquement significatif pour ce qui est de l'intérêt des producteurs envers les informations liées aux bonnes pratiques agroenvironnementales (BPA) ainsi qu'au fait d'utiliser ces informations. La perception par rapport à l'accessibilité envers les intrants moins nocifs et la participation au plan d'accompagnement agroenvironnemental (PAA) se sont également avérées significatives avec le score d'adoption. En résumé, les leviers informationnels et d'accompagnement ont été trouvés comme étant les plus efficaces pour susciter l'acte d'adoption vers de meilleures pratiques agroenvironnementales. Cette recherche montre que le processus d'adoption est complexe, mais qu'il existe des solutions tangibles et efficaces pour sensibiliser et aider les agriculteurs dans leurs démarches d'adoption.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".