为农民建立实用的决策支持系统

实用性问题是设计概要的核心，任何未来的研究都必须考虑到一些关键点：

• 用户界面：用于可视化推断的输出，这对于有效决策至关重要，特别是在多标准优化的背景下（Lepenioti 等人，2020）或集体方法的背景下（参见第 6.2 部分） ，但也用于收集数据并确定农民的战略目标或偏好，并将其纳入决策模型：妥协的可视化、游戏化（例如严肃的数字游戏 C-Real 游戏）。探索基于口头交流的人机界面可能是值得的，以便在农民必须处理的情况下更容易输入和复制数据和信息……

• 推断信息的“个性化”，即调整模型以适应个别农场或农民，以避免一刀切的处方，与农民的战略和目标（营业额、收入、运营模式等）保持一致.)。当前的处方模型取自该领域专家的“广谱”知识模型；怎么会这样对齐涉及表明在一个本体中概述的概念在语义上与在不同本体中概述的另一个概念相同，即使这两个概念具有不同的名称。

这样做是为了只使用或主要使用在个别农场收集的数据，目的是推断出与农场和农民更相容的处方？这一障碍引发了与农民知识整合有关的问题，以便“个性化”推断信息并增加其与农场的相关性，类似于个性化医疗。

• 创建能够适应因内部因素（战略）和外部因素（环境、法规、经济等）而可能发生变化的环境的可扩展模型的能力。这也引发了与更新模型相关的问题（所谓的“概念漂移”）；

• 安全

提出的建议，即保证建议不会导致情况恶化，特别是在自动控制方面。这个问题归结于模型的堆叠和不确定性的传播（Trnka et al., 2007），以及执行器的特性。后者必须成为模型的一部分，以便做出相关决策（参见 Tisseyre 和 McBratney 的机会指数，2008 年）。

不确定性及其传播

76% 的建模文章中提到了不确定性（Lepenioti 等人，2020 年）：如何减少不确定性，如何表征（认知、本体、随机）以及如何表示（Caquet 等人，2020 ；Crespo 等人，2010 年；Groot 等人，2012 年）？如何解决数据不完整和嘈杂的问题以及人类知识的主观性质，特别是在处方的背景下（Lepenioti 等人，2020）？如何在过于复杂、难以管理的建模和过于简单且不够相关的建模之间达成妥协（Caquet 等人，2020 年）？探索简化模型的不同方法肯定是有用的（随机模型、机械随机模型、元模型等）。

尤其是在全球南方（第三世界国家），决策支持系统的设计必须考虑到这些国家的农业特点；这些必须是多功能的，具有普遍的时空推理和高度的不确定性。决策支持系统和相关信息系统必须优先考虑：(i) 引入或继续农业生态实践和集体学习（使用数字技术收集和交换数据）；(ii) 改进从单个地块到整个区域的资源（水、有机材料等）和收获（日期、数量）的管理，(iii) 在稀有数据的背景下建立基于数据和专业知识的新知识，也包括新兴的大数据（见 6.5）。