数字农业的重点研究问题是什么？

数字农业的重点研究问题是什么？

强调

•数字农业政策需要更强大的证据基础。

•在英国进行了优先排序工作，以确定优先研究问题。

•来自一系列参与者的 195 个问题被分为七个主题。

•确定了 27 个优先问题（15 金、7 银和 5 铜）。

•这些问题提供了一个研究框架来指导英国及其他地区的政策。

抽象的

有必要确定与农业生产数字化相关的关键现有和新出现的问题，这些问题将受益于更强大的证据基础并有助于指导政策制定。为了解决这个问题，我们进行了优先排序工作，以确定英国数字农业的优先研究问题，同时也为国际背景提供信息。优先排序练习使用既定且有效的参与式方法来收集和整理广泛的观点。该方法涉及识别大量参与者并引出最初的一长串研究问题，这些问题在随后的投票阶段被减少和细化，以按主题选择最高优先级。参与者是通过有目的的抽样和滚雪球来选择的，以代表多个部门，英国各地的组织、公司和学科。他们每人被邀请根据特定标准提交最多 10 个问题，这导致来自 40 名参与者（主要来自英格兰，苏格兰和威尔士的一些代表）的 195 个问题。通过迭代分析对这些问题进行初步分析和聚类，确定了以下七个主题： 数据治理; 数据管理; 能够使用数据和技术；了解数据和技术的好处和吸收；优化数据和技术以提高性能；数字农业的影响；和新的合作安排。随后的投票阶段，通过在线排名练习和参与者研讨会进行深入讨论，将问题细化为共 27 个优先研究问题，分为 7 个主题，分为 15 个金、7 个银和 5 个铜。这些问题使用文献资源显着丰富和扩展了先前的聚类和议程设置，并提供了一系列新视角。该分析强调了主题和问题的相互联系，并为未来的研究提出了两个联系：价值的不同维度，以及支持农业数字化的社会和制度安排。这些都强调了跨学科的重要性和跨学科性，以及解决当前分析框架的二元性质的需要。这些新见解同样适用于英国以外的情况。本文强调了研究行动为政策提供信息的必要性，不仅通过加强证据基础，而且在概念上促进新思维。据我们所知，这种方法以前没有应用于这个主题。

关键词数字农业；数字化研究重点；利益相关者；智慧农业英国

1 . 介绍

数字农业，广义上定义为大数据和精准技术系统在农业中的应用（Rotz 等人，2019 年，p1），包括一系列共同预示着农业食品系统转型的实践。尽管这种转变来自系统中的多个点，但农业生产系统的变化被认为是深刻的。一段时间以来，技术密集型、数据支持的精准农业形式和特定领域的数据可以帮助农民对生产过程做出适当的决策（Kritikos，2017 年，Finger 等人，2019 年））。智能农业的新时代，智能设备和智能系统在互联事物网络的支持和云计算的推动下（Wolfert 等人，2017 年），现在有望为农民提供“机智的智能”，这可能会改变将传统（过程驱动）农业系统转变为更智能的数据驱动系统（Lioutas 等人，2019 年，p2）。

这种发展被一些人称为“第四次农业革命”，随之而来的叙述是提高农业效率和生产力。在此背景下，数字技术和大数据为粮食生产和生态系统服务带来了好处（ Weersink 等人，2018 年，Rose 和 Chilvers，2018 年），并为可持续农业的未来奠定了基础（Saiz-Rubio 和 Rovira-Más， 2020 年，Garske 等人，2021 年）。持续的发展和大数据的进步（例如，Walter 等人，2017 年；Wolfert 等人，2017 年）继续使精密技术更准确、更广泛适用和更高效（Weersink 等人，2018 年），提供了整个价值链的生产力和盈利能力“阶梯式变化”的前景。

然而，这种“农业食品技术解决方案主义”已被许多评论家批评为炒作和过度自信（例如，世界银行，2016 年；迈尔斯，2019 年；费尔贝恩和古斯曼，2020 年；Lajoie-O'Malley 等人） ., 2020 年）。数字农业能够满足这种期望的证据可以说仅限于少数创新公司（Zambon 等人，2019 年），而大数据尚未兑现其承诺（Huberty，2015 年；Basso 和 Antle，2020 年；Clapp 和 Ruder，2020 年））。其他人则指出精密技术的使用率相对较低，尤其是更复杂的应用（Barnes 等人，2019 年，Lowenberg-DeBoer 和 Erickson，2019 年，Carolan，2020 年；斯帕蒂等人。, 2021)。更根本的是，这些技术的假设和“规范的可取性和预期收益”（Fleming 等人，2018 年，第 19 页）由科学和政策（ Defra，2018 年）阐明并嵌入到高层政策和国际机构话语中，正在被质疑（Poppe 等人，2015 年，Kuch 等人，2020 年，Lajoie-O'Malley 等人，2020 年，Schroeder 等人，2021 年）。此外，人们越来越认识到，数字农业植根于经济、政治、社会和伦理关系，并引发了一系列关于数据的问题治理（Bronson 和 Knezevic，2016 年， Carbonell，2016 年， Capalbo 等人，2017 年， Rotz 等人，2019 年）以及加强现有经济、空间和社会鸿沟的威胁（ Carolan，2017a， Carolan ，2020 年，粮农组织， 2019 年）。

问题的多样性导致研究分散，并从多个学科（Finger et al., 2019）中得到解决，当多个观点、不同且经常相互矛盾的论点融合在一起时，存在整合不良的风险（Lioutas et al., 2019））。虽然我们知道数字化是一个社会技术过程，但从系统的角度制定和实施研究仍然是一个挑战。

这些担忧促使研究人员质疑数字化转型对食品生产和农业食品系统的未来轨迹和潜在影响。尽管有一些新兴的工作，但作为研究人员、行业从业者和政策制定者，我们对如何使用数字化农业技术和大数据的理解仍处于萌芽阶段（Lioutas 等人，2019 年）。作为Lajoie O' Malley 等人。(2020)p2) 指出，“数字农业的未来会是什么样子，谁将从数字农业中受益，以及它将如何影响农业生产和整个粮食系统，包括生态系统服务的提供，仍然不确定”。因此，有必要确定与农业生产数字化相关的关键现有和新出现的问题，这些问题将受益于更强大的证据/研究基础，这有助于指导政策制定和相关的研究投资战略。

这种需求与英国尤其相关，与数字化程度更高的国家和地区（尤其是澳大利亚、新西兰和北美）相比，英国的证据基础仍然相对较小。在更成熟的精密技术（Barnes 等人，2019 年，国会大厦，2015 年）的基础上，数字化现在正缓慢渗透到英国的农业食品系统，因为该行业开始采用和适应技术、软件、传感器和机器人创新。然而，迄今为止的研究各不相同，从采用精准农业（Barnes 等人，2019 年），到乳品机器人技术的经验（Holloway 等人，2014 年，Bear 和 Holloway，2019 年）) 和更普遍的行业看法（Barrett 和 Rose，2020 年），而且至关重要的是，没有人设想过未来的研究轨迹或议程来指导政策。

因此，在英国进行了研究优先排序工作。提高生产力和加强农业综合企业的技术创新是政府关于更新农业部门讨论的核心，因此体现了现代化的技术话语。英国政策文件（Barrett 和 Rose，2020 年）的积极措辞以及政府研究资助机构 UK Research and Innovation 通过其食品生产转型挑战的投资水平和方向都说明了这一点，该挑战在 2018 年宣布提供 90 英镑的资金米（英国政府，2018）。这是英国工业战略挑战基金的核心，旨在应对粮食系统转型的巨大挑战。然而，在这个脱欧后政策制定和辩论的关键时刻，其他观点可能没有得到应有的重视，因为政府和行业正在寻求实现可持续农业食品系统的方法（Defra，2020 年）。

此处报告的优先排序练习的目的是通过与多个部门和学科的广泛利益相关者协商，确定英国数字农业的优先研究问题。通过这次练习，我们为研究人员和利益相关者之间的讨论提供了一个空间，并在这个重要的新兴研究领域和政策兴趣中找到了对知识需求的共同理解，从而确定了关键问题。本文旨在报告这些成果，进而开辟新的视角，以指导未来该领域的农业研究和政策。这些立即适用于英国，但同样为更广泛的国际背景下的研究议程提供信息。关于为政策提供信息的优先研究问题，有两个相关目标：首先，确定并优先考虑将受益于更强大的证据/研究基础的现有问题和新出现的问题，如果这些问题得到解决，可以提高政策的有效性；其次，影响政策制定者的思维方式，这是研究产生的直接和长期政策变化的必要前提（韦斯，1977；萨瑟兰等人，2011）。这些目标与本期刊上发表的研究相称，该研究呼吁建立更强大的证据基础，并呼吁推动数字农业的政策制定者更加关注不同的“农业”及其实施环境（Vecchio 等人，2020 年）；Lioutas 和 Charatsari，2020a）。

2 . 研究主题和优先事项

关于农业数字化转型未来的问题引发了一系列审查，这些审查确定了技术和社会研究的主题和议程。在数据方面，这些包括：智能农业中的大数据应用（Wolfert 等人，2017 年）；大数据分析（Kamilaris 等人，2017 年，Lioutas 等人，2019 年）；以及数据和决策（Evans 等人，2017 年）。总的来说，这些基于审查的练习建议将研究优先于治理问题，这可以实现大数据的价值平等交换，并为不同供应链场景中的数据共享确定合适的商业模式。从科学的角度来看，Shepherd 等人。(2020)报告了科学家和机构的优先事项，以使科学数字化的潜在利益得以体现。

这些反映了Klerkx 等人在主题上聚集的一些新兴的社会科学探究路线。（2019）（并在此处更新）在另一篇文献综述中，其中包括：精确和数字技术在农场的采用、障碍、使用和适应（Pierpaoli 等人，2013 年，Finger 等人，2019 年，Knierim 等人，2019 年，Balafoutis 等人，2020 年，da Silveira 等人，2021 年） ); ii. 对农场身份、农民技能和农场工作的影响（Lioutas 等人，2019 年）；iii. 权力、所有权、隐私和道德问题（农场和价值链）（Bronson 和 Knezevic，2016 年，Jakku 等人，2019 年，怀斯曼等人，2019 年）；iv. 对农业知识和创新系统 (AKIS) 的影响（Eastwood 等人，2019 年，Rijswijk 等人，2019 年，Fielke 等人，2020 年）；v. 经济、数字化农业生产系统和价值链的管理以及对投入行业的影响（Phillips 等人，2019 年，Birner 等人，2021 年）。

虽然这是一个不断扩大的热门领域，但迄今为止，这些研究主题和优先问题主要来自文献综述，而不是研究人员与数字技术和农业从业者之间的对话和审议过程。许多审议方法（例如 Delphi、Q 方法）可用于征求利益相关者和专家对重要主题的看法，而专门针对数字化、情景和前瞻性方法已用于探索可能的未来及其对研究实践和农业的影响社区（Fleming 等人，2021 年）。然而，Sutherland 等人阐述的优先级排序方法。(2011)为研究问题的咨询提供了一种既定且有效的参与式方法，从而解决了本文的目标。

3 . 方法论——数字农业的优先研究问题练习

在英国，确定数字农业优先研究问题的方法遵循以前在农业、保护、粮食系统和相关研究领域应用的迭代过程，通常是为了考虑社会重大挑战（参见Pretty et al., 2010 ; Sutherland et al . .，2013 年；英格拉姆等人，2013 年；莫里斯等人，2021 年）。我们应用了Sutherland 等人提出的方法的原则和经验教训。(2011). 该方法强调使识别最重要问题的过程变得严谨、包容和民主。该过程涉及确定大量参与者（50-100）并引出最初的一长串研究问题，这些问题在随后的投票阶段被减少和细化，以按主题选择最优先事项。

该方法首先要对练习的目标和受众有一个清晰的认识。本案例的目的是征求有关数字农业的问题，这些问题可以通过一系列研究方法来解决。该研究的参数是初级生产，使用的定义是“数字农业是指使用越来越多的数字信息做出决策以提高生产力和可持续性的农场管理系统”；然而，允许与农业食品系统的其他部分有任何重叠的问题有一定的灵活性。

该练习被组织成一系列增量步骤。在第 1 步中，来自英国农业的不同利益相关者群体的代表被选中（见下文选择细节），并被邀请就数字农业的各个方面提出问题（最多 10 个），从他们的角度来看，这些问题应该是研究的重点。问题的标准是，它们应限于将特别受益于更强大的证据和研究基础的关键现有和新出现的问题；并且可以在 3-5 年的研究项目中解决。范围被定义为在农场管理系统中使用数字信息，包括农场内外的任何影响。

这第一步产生了 200 个问题。在删除了一些本身不清楚或不明确的问题后，列表被细化为 195 个。然后对 195 个问题进行了初步分析和聚类。由于分析不受理论或预定义框架的指导，因此采用了归纳方法，这为主题分析提供了基础。在熟悉数据（阅读和重新阅读数据）之后确定主题（主题摘要主题），然后使用 NVivo 12 创建一个编码框架。这是由一个由三名研究人员组成的团队迭代完成的，以允许一种共享的方法来聚类问题。由于问题的数量、范围和相互关联的性质，这需要多次迭代。在将问题编码为主题和主题时，研究人员之间进行了交叉检查，以确保始终遵循一致和稳健的过程。确定了七个主要主题，如下所示： 数据治理；数据管理; 能够使用数据和技术；了解数据和技术的好处和吸收；优化数据和技术以提高性能；数字农业的影响；和新的合作安排（图1）。每个主题都有许多组成主题。图 2以示例的方式展示了对主题 1 中一个主题的问题分析的可视化。

图 1。在确定优先级的过程中确定的关键主题。

图 2。用于显示主题 1（灰色阴影）中一个主题的优先问题分析的可视化。

在第 2 步中，随后进行了在线投票阶段，该阶段旨在对问题进行排名和优先级。这使用了 JISC 在线调查结构。每个受访者都通过调查链接联系并要求对每个主题内的所有问题进行评分。总共有 28 名参与者做出了回应。每个主题的投票数如表 1所示，不同利益相关者类型的偏好均匀分布在七个研究主题中。据此，我们根据问题的分数对问题进行排名，并确定每个主题中的前 10 个问题。第 1 步和第 2 步中的问题仍未编辑。

表 1。优先排序练习中每个阶段的参与者人数和类型。

利益相关者团体邀请参加第 1 步问题步骤 2 投票第 3 步工作坊

研究人员（学术——技术、自然资源、农业食品系统、社会科学、人文学科）、研究机构（例如 Rothamsted Research）、研究资助者（例如 BBSRC）48191214

农业研究和咨询（商业/私人）（例如 RSK ADAS）8322

Agritech - 数字技术和数据服务（例如 Agri-EPI 中心、精密技术、测绘和软件服务）45853

农民代表（例如 AHDB、NFU、Farming Connect、I4Ag）8334

政府部门和机构（政策、研究）（例如 Defra、Natural England、FERA）7321

投入品和机械的农业供应商（例如约翰迪尔、雅拉）20000

其他（非政府组织，例如 LEAF、食品伦理委员会）12241

全部的148402825

在第 3 步中，举办了一次在线研讨会，以进一步解开和探索每个主题的问题和相关叙述。所有对排名活动做出回应的参与者都被邀请参加研讨会，共有 25 人参加。研讨会是互动式的，有四个促进分组，每个小组讨论七个主题中的两个（一个小组讨论一个主题）。在分组讨论中，参与者首先被要求回顾他们各自主题中排名前五的问题，并回答以下问题：这些问题的范围是什么？是什么陷害了他们？第二个任务是：优先考虑问题；删除重复项并解压多个问题；如有需要，改进问题措辞并阐明含义；并找出差距。黄金的定性尺度，银牌或铜牌用于问题的优先级排序，其中金牌问题的重要性最高，最需要更有力的证据和研究基础，银牌和铜牌的优先级相对较低。在分组活动之前讨论了这个量表，以确保所有组都遵循相同的排名过程。全体会议为跨主题的讨论提供了机会。

在研讨会之前，所有参与者都收到了针对所有主题的排名前 10 位的问题。研讨会（包括分组会议）被记录、转录和分析，总结笔记和最终排名被更新并通过 Microsoft Teams 与参与者共享，以进行最后一轮编辑、优先排序和评论。这篇论文是由一组自选的参与者共同撰写的。

在这项研究中，通过邀请从英国农业不同利益相关者群体中选出的代表来寻求广泛的观点。主要研究人员使用个人联系人、谷歌和谷歌学术搜索来确定参与者的兴趣和专业知识，制定了相关利益相关者群体的初步名单。纳入标准首先是利益相关者的运营领域，即：学术界、农业研究机构、农民代表、农业供应商、农业科技企业、非政府组织、政府机构和顾问（技术、商业、法律），其次是对农业数字化的相关经验或兴趣。这些标准用于反映数字农业的技术、社会、法律和伦理方面，在文献中显示出重要意义，并捕捉了一系列观点，包括相互冲突或替代的观点。潜在参与者（共 148 人，见表 1) 收到了解释研究的邀请，并通过电子邮件邀请提出问题。这通过一种滚雪球式的方法得到了加强，在这种方法中，我们要求被选中的人推荐联系人或同事。此外，邀请链接通过主办机构的 Twitter 帐户（2462 名关注者）和网站（每月访问 2000 次）传播，接触到农业食品和农业环境社区的更广泛人群。总共有 40 位受访者提出了问题。其中一些受访者 (4) 与同事 (4-6) 分享了这项任务，并共同商定了一组问题。表格1显示了与原始邀请相比的受访者分布。在第 1 步和第 2 步中，大约一半的受访者来自研究界（其中包括与农业和技术、数据分析相关的大学部门和研究机构）、农业食品系统和人文学科）和研究资助者；一半来自一系列从业者或商业利益相关者团体。在目标利益相关者的范围内都有很好的代表性。尽管来自技术和数据服务的响应低于预期，但响应者代表了该领域的一些较大的参与者。没有农业供应商的回应表明该部门认为该主题不相关。目的是包括来自英国各地的参与者，尽管大多数受访者来自英格兰，但也有来自威尔士（4）和苏格兰（2）的代表。

4 . 结果和讨论：优先主题和研究问题

主题和构成问题涵盖了多个想法和主题，并表明了一系列证据需求。它们在制度治理、有效、公平和协作地利用数字农业的能力以及农业和更广泛的农业食品系统中不同关系和权力结构的影响和重组等问题上相互关联。

对于每个主题，在研讨会中提炼的金、银和铜问题与随附讨论的分析一起呈现。提供了原始问题主题的简短列表（步骤 1），投票中每个主题的前 5 个精炼问题（步骤 2）作为补充材料提供。共确定了 27 个优先研究问题：15 个金、7 个银和 5 个铜，涉及 7 个主题。

4.1 . 主题一：数据治理