MétaCan
Menu
Retour à la cohorte
Enregistrement W1898927383 · doi:10.5539/mas.v9n12p243

Transmigrant Farmers Adaptation to Rainfed Rice Field and Irrigated Rice Field in North Luwu Regency, South Sulawesi - Indonesia

2015· article· en· W1898927383 sur OpenAlexvenueno aff
Eliza Meiyani

Notice bibliographique

RevueModern Applied Science · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueUrban Agriculture and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPaddy fieldCluster samplingAdaptation (eye)Path analysis (statistics)Product (mathematics)Sampling (signal processing)GeographyAgricultural scienceSocioeconomicsMathematicsSociologyStatisticsEnvironmental scienceComputer sciencePsychologyPopulationDemographyArchaeology

Résumé

récupéré en direct d'OpenAlex

<p class="zhengwen"><span lang="EN-GB">This research is aimed to study the anthropology of transmigration, particularly on transmigrants' adaptation to different cultural background and environment of their new place. There are three analyzed variables in this research: the farmers' basic ability, culture (tradition), and motivation which might closely related to their adaptation capability in a new location. This is a quantitative research and it was conducted in Malangke District, North Luwu Regency, South Sulawesi. Multi-stage cluster random sampling was used as the sampling method. There were 400 samples taken in this study which consist of 200 farmers of rainfed ricefield and 200 farmers of irrigated rice field. The data was taken by conducting several interviews which are based on a question list and observation. Then the data was analyzed using factor (main component) analysis, path analysis, and product-moment correlation analysis. The result shows that transmigrants' adaptation capability is not influenced only by the new physical environment condition where they live, but also their origin as well as the social, economic, and cultural factors that become parts of their life.</span></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)0,001
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,865
Score d'incertitude au seuil0,330

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
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 Opus0,022
Tête enseignante GPT0,209
Écart entre enseignants0,187 · 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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetUrban Agriculture and SustainabilityTravaux en français237 207