MétaCan
Menu
Retour à la cohorte
Enregistrement W2021568189 · doi:10.5539/sar.v3n1p85

Rethinking Rural and Agricultural Development Through Market-Oriented Technologies in Africa

2014· article· en· W2021568189 sur OpenAlexvenueno aff
B. O. Ovwigho

Notice bibliographique

RevueSustainable Agriculture Research · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Socioeconomic Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgricultural marketingSustainabilityMarketingBusinessIncentiveAgricultural machineryAgricultural extensionAgricultureInvestment (military)Market systemAgricultural economicsIndustrial organizationMarketing managementEconomicsRelationship marketingMarket economy

Résumé

récupéré en direct d'OpenAlex

<p>The broad objective of the paper was to design a market oriented technology for agricultural and rural development in Africa. Marketing extension has been over looked in extension services delivery. Many of the agricultural technologies including the Top-Bottom, Feed-back, Farmer-Back to Farmer and Integrated Rural Development lacked in-built marketing components. The technology versus market component model was developed in this study. The model consists of the technical, market, and sustainability components as well as control mechanism. The theory of the technology and marketing component model states that, if the technical, marketing and sustainability components of a technology are properly designed implemented and controlled farmers will derive greater incentives from their investment. The marketing component should be specified in all agricultural technology after verifying the technical and sustainability components. Advisory services on marketing functions, role of cooperatives and organized markets in improving market incentives to the rural small and medium scale farmers were discussed. The model is recommended to research scientists and extension workers to adopt in a bid to improve the welfare of the rural farmers.</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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,838
Score d'incertitude au seuil0,590

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 GPT0,255
Écart entre enseignants0,233 · 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'étudeSans objet
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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetInnovation and Socioeconomic DevelopmentTravaux en français237 207