然而，无论是技术（识别技术以利用和促进交流）还是社会学（识别促进哪种学习模式），同伴之间和个人学习之间的交流仍然存在障碍。

沉浸方法和开放式创新

沉浸式参与方法是开放式创新和生活实验室的基石，这是开放式创新计划，其中公民、居民和用户在研究和创新过程中发挥关键作用。在农业领域，生活实验室可以得到围绕农业生态系统实验的研究计划的支持，或者在区域创新项目中实施。开放式创新对生态农业至关重要：设计“路径”（合理的未来情景）和过渡情景（根据已确定的路径实例化模型）（Antle 等人，2017 年），这是表示在不同层面发生的现象的最佳方式（生物过程、农场管理、优化）（Groot 等人，2012 年）。数字工具对这些参与过程非常有用，因为它们可用于 (i) 存储来自参与研讨会的信息；(ii) 显示和可视化数据（区域的当前、未来、动态视图……）；(iii) 配备参与式流程（建模和场景构建工具、严肃游戏等）；(iv) 分享和传播知识；(v) 利用知识、讨论和互动的多样性创造新知识；(vi) 在农民之间、农民与研究人员之间、农民与更广泛的社会之间等建立联系（Bergez 等人，2016 年；Enkel 等人，2020 年；Leveau 等人，2019 年）。一些工具，例如边界对象，可以更容易地在沉浸式参与的研讨会期间分析协调和多标准表示（Duru 等，2015）。这包括配套模型（Barreteau，2003）。为了解决利益相关者在理解模型和激发交互性方面可能遇到的任何问题（Bécu 等人，2008 年），这些以严肃游戏的形式实施，即所谓的游戏化（Seaborn 和 Fels，2015 年）；在过去的五六年里，数字平台上出现了游戏，使人们更容易表达自己的观点或偏好，促进共建（Speelman 等，2014），有助于提高利益相关者的意识（ Prada 等人，2014 年），刺激学习（GATES59 项目，Speelman 等人，2014 年）等。为此，我们现在可以添加增强现实，这可以帮助利益相关者在农作物系统出现时可视化未来的多样化景观设计的。

在社会学层面上，实施参与式方法存在许多障碍：农民愿意进入未知领域、集体带来变革的能力、收集和代表隐性知识的能力，以及开放支持变革的信息来源。

农民作为数据生产者

虽然“多功能农业”一直存在（Renting et al., 2008, 2009），但由于数字数据收集工具，一个新的功能出现了：数据生产。

农民可以致力于在区域层面为数字资本做出贡献。信息 - 相关的，例如生物多样性、土壤肥力等——在记录、评估和支付生态系统服务费用时将是至关重要的。此类信息对 PES 很有用，但现在收集这些信息的成本使得生态系统服务 (PES) 的支付根据实施的资源以统一的方式分配（OCDE，2011 年）。为了从资源驱动的方法转变为结果驱动的方法，有必要更好地表征环境，并识别和量化简单、可测量的参数来表示其工作原理（Caquet 等人，2020 年）。除了 PES，农民还将为创建信息共享做出贡献，Antle 等人。(2017) 在公共投资和政治决策方面将其视为公共物品。与土壤质量（Della Chiesa 等人，2019 年）和生物多样性数据相关的举措已经到位。61 Van der Burg 等人。(2019) 确定了数字农业通过产生的数据产生其他服务的能力；研究必须优先考虑，以阐明农场所发挥的社会作用，激发利益相关者对智能农业可以服务的其他可能目标的想象力，并改进对其相对价值的理解方式。