MétaCan
Menu
Retour à la cohorte
Enregistrement W1911115298 · doi:10.5539/mas.v9n12p70

Evaluation of Total Factors Productivity of Three Ilam Major Products (Wheat, Corn and Cucumbers)

2015· article· en· W1911115298 sur OpenAlexvenueno aff
Dariush Rahmati, Bahman Gholami

Notice bibliographique

RevueModern Applied Science · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Economics and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProductivitySpan (engineering)MathematicsAgronomyAnimal scienceEnvironmental scienceBiologyEconomicsEngineering

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to evaluate the productivity of total factors Production(water, land and labor) of three Ilam major products which are wheat, corn and cucumber. This study is calculated by conventional methods of measuring productivity and production function of Cobb- Dougles. The results of this study showed that the average productivity cost (during 2000-2009) of lading the ground for irrigated farm is 111.727$ and for dry farm it is 17.468$.the average productivity in this period for lading the labors in irrigated farm of wheat is 2.932 $and for dry land ,it is 1.237 $. The Average productivity of the land for cultivation of maize is 1356600 Riyals and for work force is 26.51$.The obtained average productivity of labor and cucumber lands during this period is 1.600 and 208.833$. Water productivity in the production of Cucumber for Dareshahr and Sarableh cities is respectively 1.112 and 0.437.Average productivity of water in cucumber productions is0.774. The differences of corn productivity of the two cities is almost the same but Mehran and Aivan have the highest and the lowest productivity in Ilam, Mehran has 0.675 and Aivan has 0.274 of productivity. The average productivity is 0.416 .The ratio of the highest and lowest value of the obtained product from each unit of water in Dareshahr is more than 4/5 times. Thus the value of the water product in the cultivation of cucumbers is over 1.729 $, while this number for wheat is only 0.367 $.

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)0,001
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 enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
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 Opus0,095
Tête enseignante GPT0,259
Écart entre enseignants0,164 · 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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetAgricultural Economics and PracticesTravaux en français237 207