MétaCan
Menu
Retour à la cohorte
Enregistrement W2094620232 · doi:10.5558/tfc81345-3

Production constraints on cocoa agroforestry systems in West and Central Africa: The need for integrated pest management and multi-institutional approaches

2005· article· en· W2094620232 sur OpenAlexvenueno aff
Dénis Sonwa, Stéphan Weise, A. Adesina, A.B. Nkongmeneck, M. Tchatat, O. Ndoye

Notice bibliographique

RevueThe Forestry Chronicle · 2005
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCocoa and Sweet Potato Agronomy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgroforestryAgricultureSustainable managementGeographyIntegrated pest managementProduction (economics)Agricultural economicsBusinessSustainabilityEconomicsEcologyEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Cocoa-producing countries of West and Central Africa experienced a serious economic crisis in the early 1980s,when the cocoa sector was liberalized and the macroeconomic policies of the sector changed. These institutional changes created new difficulties and challenges for sustainable cocoa farming. Farmers in this region have recently turned to timber and non-timber production to offset the fluctuation of cocoa prices. In a survey of 300 cocoa farmers in the humid forest zone of Southern Cameroon, pest and disease outbreaks were identified as the major limiting factors to sustainable cocoa production. An analysis of pests and diseases affecting the cocoa plantations in the humid forest zone of West and Central Africa revealed strong links to the type of forest cover found on or near the cocoa plantation. An integrated approach to pest management is proposed and the paper concludes with a discussion of current efforts to address constraints posed by pests and diseases on sustainable cocoa farming in the four main cocoa-producing countries of West and Central Africa. Key words: cocoa agroforest, farmer perception, forest landscape, multi-disciplinary approach, multi- institutional approach, Africa

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,065

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0030,002
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,042
Tête enseignante GPT0,216
Écart entre enseignants0,174 · 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

Citations27
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetCocoa and Sweet Potato AgronomyTravaux en français237 207