MétaCan
Menu
Retour à la cohorte
Enregistrement W2015106871 · doi:10.5539/mas.v9n2p12

Farmers Awareness Concerning Negative Effects of Pesticides on Environment in Jordan

2014· article· en· W2015106871 sur OpenAlexvenueno aff
Mansoor Maitah, Khaled Zidan, Rami Hodrob, Karel Malec

Notice bibliographique

RevueModern Applied Science · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePesticide Exposure and Toxicity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPesticideAgricultureBusinessSample (material)Socioeconomic statusTrustworthinessAgricultural scienceIdentification (biology)Environmental healthEnvironmental scienceGeographyComputer scienceComputer securityMedicineAgronomy

Résumé

récupéré en direct d'OpenAlex

The main goal of this study was to determine the levels of knowledge of the farmers on the effect of pesticides on environment in Valleys area, Jordan. This is achieved through realizing some secondary objectives such as identification of the farmers' socioeconomic characteristics and its relation to some of the study variables, their attitude towards the negative effects of pesticides on the environment, their knowledge level about pesticides effect and their sources of information about pesticides use, storage and disposal. The study covered valleys areas, and some 98 farmers were included as stratified random sample. The results revealed that the 5% farmers do not rely on agricultural extension but they seek information from other trustworthy sources. The farmers have a positive attitude towards learning about the negative effects of the pesticides on the environment. The study also showed that the most common method of pesticides application is spraying using axi-sprayers or portable sprayers. Strengthen the agricultural extension and increase its effectiveness, promote trust and communication between those who guiding and farmers. Also strengthen the link between agricultural research centers and guiding centers to identify the appropriate type of pesticide to combat, to achieve the best results with least damage. Farmers should be knowledgeable about the importance of continuous medical checking up of their workers and especially those dealing with the agricultural chemicals.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,501
Score d'incertitude au seuil0,213

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,016
Tête enseignante GPT0,221
Écart entre enseignants0,205 · 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'étudeExpérimental (laboratoire)
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

Citations14
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetPesticide Exposure and ToxicityTravaux en français237 207