MétaCan
Menu
Retour à la cohorte
Enregistrement W1895116946 · doi:10.53228/njas.v19i1.213

Farmer perceptions on indigenous pig farming in Kakamega district, western Kenya

2010· article· en· W1895116946 sur OpenAlexaff
Florence Mutua, Samuel Arimi, William Ogara, Cate Dewey, Esther Schelling

Notice bibliographique

RevueCGSPace A Repository of Agricultural Research Outputs (Consultative Group for International Agricultural Research) · 2010
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Disease Management and Epidemiology
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésIndigenousSwahiliBreedFocus groupAgricultureKenyaSocioeconomicsGeographyEconomic growthPig farmingPolitical scienceAgricultural scienceBusinessMarketingAnimal productionSociologyBiologyAnimal scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Objectives for this paper were to: study farmer beliefs and perceptions on local pig farming practices; and to explore opportunities for improved located production in selected villages of Western Kenya. The paper seeks to understand why the local pig breed still remains the predominant breed in these areas despite numerous calls to introduce better exotic breeds. Most pigs in Kenya are of exotic breeds, intensively managed on commercial farms. Focus group discussions were used to gather data. Discussions were taped, transcribed and translated from Swahili to English. Farmers use pigs to guard homes at night, pigs also act as a charm to protect families against evil spirits. Women farmers manage the family pigs, men sell the pigs. Farmers identified feeding, marketing, and breeding as the main challenges affecting the sector. The discussions identified a number of opportunities for improved production, and likely strengthened the bond between the farmers, researchers and staff. This created an outlook that can now be used in further public engagement as ongoing research studies on appropriate feed, health and improvement of market access are being analysed.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,911
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,002
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 Opus0,070
Tête enseignante GPT0,355
Écart entre enseignants0,284 · 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'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

Citations52
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCGSPace A Repository of Agricultural Research Outputs (Consultative Group for International Agricultural Research)Même sujetAnimal Disease Management and EpidemiologyTravaux en français237 207