MétaCan
Menu
Retour à la cohorte
Enregistrement W1524104636

Comparative Economics Of Users and Nonusers Of Dharabi Dam Pakistan

2009· article· en· W1524104636 sur OpenAlexaff
Muhammad Aamir Khan, Bilal Mansoor, Aftab Hanif

Notice bibliographique

RevueMunich Personal RePEc Archive (Ludwig Maximilian University of Munich) · 2009
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Economics and Practices
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésProductivityCroppingAgricultureFood securityIrrigationAgricultural economicsDistribution (mathematics)Agricultural productivityPovertyMarginal productAridBusinessEconomicsWater resource managementGeographyProduction (economics)Environmental scienceEconomic growthMathematicsAgronomy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Water is a limiting factor for sustainable agriculture in Barani(Arid). However, rainfall is the only source of water the spatial and temporal variation of which is very high. Therefore conservation and management of this source is vital for agriculture development and socio-economic uplift of the area. This study was, mainly, also devised to address land distribution problems and consequent farm productivity in the study area. The farmers were divided into two main categories irrigated and rainfed farmers. The performance of most of the indicators i.e. yield, gross margins, farm income, labour productivity, income distribution, cropping intensity and crop diversity was found better in irrigated as compared to rainfed. While marginal factor productivity, irrigation productivity and rate of institutional credit availability was higher in irrigated area. However, rainfed area was always least efficient with respect to all of the quantified indicators. The findings of the research are helpful for the farmers of the study area in decision making among different farm enterprises. Hence it can alleviate poverty and help to bring food security in the deprived regions.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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 Opus0,023
Tête enseignante GPT0,217
Écart entre enseignants0,194 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMunich Personal RePEc Archive (Ludwig Maximilian University of Munich)Même sujetAgricultural Economics and PracticesTravaux en français237 207