MétaCan
Menu
Retour à la cohorte
Enregistrement W1540768302 · doi:10.15353/joci.v11i1.2850

Assessment of Mobile Voice Agricultural Messages Given to Farmers of Cauvery Delta Zone of Tamil Nadu, India

2015· article· en· W1540768302 sur OpenAlexvenueno aff

Notice bibliographique

RevueThe Journal of Community Informatics · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueICT in Developing Communities
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTamilMobile phoneAgriculturePhoneSocioeconomicsGeographyDeltaBusinessQuality (philosophy)EngineeringSociologyTelecommunications

Résumé

récupéré en direct d'OpenAlex

The study describes the assessment of mobile phone based agricultural voice messages disseminated to farmers of Cauvery delta zone in Tamil Nadu, India, during September, 2012 to June, 2013. The present study was conducted in July, 2013 for about 20 days period through telephonic interview using a well structured questionnaire with randomly selected 200 farmers across five districts (Thanjavur, Nagapattinam, Thiruchirapalli, Thiruvarur and Cuddalore of Cauvery delta zone in Tamil Nadu, India). The survey results showed that majority of the farmers have adopted the agricultural information disseminated through their mobile phone. In addition, Chi square analysis showed that the farmers with irrespective of socio economic characteristics such as gender, age, education, land holding and farming experience have adopted the agricultural information. More than half of the farmers had expressed that either all or most of the agricultural information were useful. Majority of them had expressed the information received on their mobile phone were trust worthy. With reference to satisfaction level of farmers, almost all the farmers were very satisfied with audio quality, simplicity of language and contents of voice messages. Majority of the farmers’ have indicated that the mobile voice messages were of better as compared to other sources of information that they were accessing.

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)0,001
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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,035
Tête enseignante GPT0,295
Écart entre enseignants0,260 · 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

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Community InformaticsMême sujetICT in Developing CommunitiesTravaux en français237 207