Economic Damages of Primates on Farmlands in Old Oyo National Park Neighbourhood
Notice bibliographique
Résumé
This paper investigated an estimated amount of losses incur due to damages caused by Primates on farmlands and the methods of control in the neighbourhood of Old Oyo National Park, Nigeria. Primary data were collected and used for the study. Data were collected through the use of open-ended questionnaires administered to all the affected farmers in the study area. Non-probability snowballing method was used in locating and sampling affected farmers. The result revealed that an estimated average of ₦3 979.18 ± 5.79, ₦ 3 981.33 ± 3.67, ₦3 974.60 ± 6.85, ₦3 905.85 ± 6.32 worth of Yam tubers were lost by each farmer in Abanla, Imodi, Budo Alhaji and Fomu villages respectively. Also, an estimated average of ₦67 656.35 ± 420.90, ₦68 248.14 ± 500.97, ₦66 094.73 ± 482.22, ₦67 817.90 ± 554.17 worth of maize were lost on farmlands by each farmer at Abanla, Imodi, Budo Alhaji and Fomu villages respectively. In addition, an estimated average of ₦4 780.13 ± 1.53, ₦3 993.09 ± 4.50, ₦5 834.50 ± 4.48, ₦5 321.33 ± 3.99 worth of cassava plants or tubers were lost to primate in the respective villages mentioned. Furthermore, most of the respondents (43.33%, 50%, 39.3% and 46.15% at Abanla, Imodi, Budo Alhaji and Fomu respectively) engaged the use of fire arms in the control of Primates on their farmlands. Results also shows that three basic techniques used in controlling damages by Primates in the study areas are; fire arms, traps and chasing. Recommendations were made based on the outcome of the study.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».