MétaCan
Menu
Retour à la cohorte
Enregistrement W1494742192 · doi:10.5539/sar.v4n4p1

Constraints and Breeding Priorities for Increased Sweetpotato Utilization in Ghana

2015· article· en· W1494742192 sur OpenAlexvenueno aff
Ernest Baafi, Joe Manu-Aduening, Edward E. Carey, Kwadwo Ofori, Essie Blay, Vernon Gracen

Notice bibliographique

RevueSustainable Agriculture Research · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Innovations and Practices
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of GhanaAlliance for a Green Revolution in Africa
Mots-clésCultivarDry matterBiologyAgricultureCropAgronomyGeographyBiotechnology

Résumé

récupéré en direct d'OpenAlex

<p>Sweetpotato is used in various food preparations in place of rice, cassava, yam and plantain in Ghana. In spite of this it does not have the same importance in Ghanaian diet as other root and tuber crops. Consumer taste, preference and acceptance are critical in determining the suitability of sweetpotato cultivars to any locality. A study was carried out in some selected communities of Ghana where sweetpotato is popular which span all five ecozones of Ghana in February, 2012. The main objective was to investigate why sweetpotato has low utilization compared with other root and tuber crops and to increase its utilization through breeding. The study employed Focus Group Discussion (FGD) followed by administration of Semi-structured Questionnaire (SSQ). Data collected were analysed using Genstat and Statistical Package for Social Sciences. Seventy-nine people consisting of 63% males and 37% females, and 178 people consisting of 52% female and 48% males were involved in the FGD and SSQ, respectively. Majority (94%) of farmers’ ranked sweetpotato from 1 to 5 among 24 cultivated crops. Only about 28% of consumers ate sweetpotato at least six days per week. The survey revealed that consumers in Ghana desired non-sweet, high dry matter sweetpotato cultivars. Therefore, there is need for Research and Development to adjust sweetpotato breeding objectives and selection procedures to develop high dry matter non-sweet sweetpotato varieties in Ghana.</p>

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,522
Score d'incertitude au seuil0,353

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,180
Tête enseignante GPT0,372
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetAgricultural Innovations and PracticesTravaux en français237 207