MétaCan
Menu
Retour à la cohorte
Enregistrement W2110733287 · doi:10.5539/jas.v6n2p189

Characterisation of Smallholder Irrigation Schemes in Chirumanzu District, Zimbabwe

2014· article· en· W2110733287 sur OpenAlexvenueno aff
Norman Mupaso, Charles Nyamutowa, Stein Masunda, Nyasha Chipunza, Douglas Mugabe

Notice bibliographique

RevueJournal of Agricultural Science · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAfrican studies and sociopolitical issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIrrigationHectareDescriptive statisticsDrip irrigationProductivityAgricultural scienceGeographySurface irrigationAgricultureMathematicsAgricultural economicsEnvironmental scienceStatisticsAgronomyEconomics

Résumé

récupéré en direct d'OpenAlex

The study was conducted in 2011 at Hamamavhaire and Mhende irrigation schemes in Chirumanzu district in Zimbabwe to determine the typology of the farmers using different irrigation technologies. A structured household survey was carried out on a sample of 79 respondents drawn from farmers using the sprinkler (n=32), flood (n=39) and drip (n=8) irrigation systems. The information gathered was analysed and interpreted using descriptive statistics and inferential statistics in the form of the chi-square test and Analysis of Variance (ANOVA). The main findings showed that there are significant differences (P < 0.05) in yield per hectare (for green maize, maize-grain, wheat and sugar-beans) across the three irrigation systems. Farmers using sprinkler irrigation were found to be better-off in terms of livestock ownership and household assets compared to those using drip and flood irrigation. The study recommended that there is need to provide agricultural training to farmers in irrigation schemes to enhance their productivity.

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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,842
Score d'incertitude au seuil0,265

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
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 Opus0,018
Tête enseignante GPT0,293
Écart entre enseignants0,275 · 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'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

Citations7
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetAfrican studies and sociopolitical issuesTravaux en français237 207