Regeneratieve landbouw: resultaten PPS verdien- en ontwikkelmodellen
Bibliographic record
Abstract
Dit rapport is voortgekomen uit het PPS-project 'Verdienen ontwikkelmodellen naar regeneratieve landbouw'.In dit project hebben we gewerkt aan toekomstige bedrijfsmodellen die een aantrekkelijk perspectief bieden aan de meerderheid van de Nederlandse grondgebonden boeren.Dit bouwt voort op het eerste PPS-project 'Regeneratieve landbouw', dat in 2023 is afgerond (www.regenerativefarming.nl ), waarin onder andere een situatieschets is gemaakt van een regeneratief landbouwsysteem op de schaal van heel Nederland.De resultaten uit de tweede PPS zullen worden doorvertaald in een vervolgproject, het Groeifondsproject RE-GE-NL.In deze projecten is dezelfde basis gebruikt, de regeneratieve uitkomsten uit Groot Koerkamp et al. (2021).Twintig boeren zijn in het project begonnen of verdergegaan met de ontwikkeling naar een regeneratieve bedrijfsvoering.Het is een diverse groep waarbij de vertrekpunten uiteenlopend zijn.De twintig boeren kregen begeleiding in het vaststellen van een bedrijfsontwikkelplan met bijpassend meetprotocol om zich te ontwikkelen in de regeneratieve landbouw.Dit rapport is de samenvatting van de inhoudelijke resultaten van deze plannen met bijbehorend meetprotocol en de bijbehorende geleerde lessen.
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 | 0.004 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.031 | 0.008 |
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".