MétaCan
Menu
Retour à la cohorte
Enregistrement W1996440964 · doi:10.5539/jas.v5n4p15

Analysis of the Use of Local Resources in Extension Education Programme in Nkonkobe Local Municipality of Eastern Cape

2013· article· en· W1996440964 sur OpenAlexvenueno aff
Isaac Azikiwe Agholor, Nomakhaya Monde, Akinwumi Odeyemi

Notice bibliographique

RevueJournal of Agricultural Science · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCommunity and Sustainable Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLocal communityExtension (predicate logic)IngenuityInterviewWork (physics)Local historyGeographyBusinessPolitical scienceEnvironmental planningComputer scienceEngineeringEconomicsArchaeology

Résumé

récupéré en direct d'OpenAlex

The paper identified the available local resources for extension education and the constraints in the use of these local resources in Nkonkobe local Municipality. The survey was conducted in the peri-urban areas of Fort Beaufort, Alice, Seymour, Balfour, Hogsback and Middledrift from 7th to 29th September 2010 by interviewing 58 farmers on the identification of local resources and their perception of constraints in the use of local resources. The study revealed that there are local resources embedded in the area for use in Extension teaching and learning. The perception of constraint (inadequate access to local resources) increased significantly with age (P = 0.04) and farm experience (P = 0.045). The fundamental strategies for a successful Extension work should be to develop a process which not only creates co-operative platforms for the use of local resources for rural improvement, but also reinforces farmer’s ingenuity and inspires them to learn and accept innovation.The available local resources in Nkonkobe Local Municipality are well distributed in the community and are important for the achievement of educational goals in Extension teaching and learning.

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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,114
Score d'incertitude au seuil0,226

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,043
Tête enseignante GPT0,295
Écart entre enseignants0,252 · 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'étudeQualitatif
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

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetCommunity and Sustainable DevelopmentTravaux en français237 207