MétaCan
Menu
Retour à la cohorte
Enregistrement W2122486540 · doi:10.5539/jas.v4n4p233

Socioeconomic Analysis of Rice Farmers and Effects of Group Formation on Rice Production in Ekiti and Ogun States of South-West Nigeria

2012· article· en· W2122486540 sur OpenAlexvenueno aff
C. A. Afolami, Abiodun Elijah Obayelu, Mure Agbonlahor, O. A. Lawal-Adebowale

Notice bibliographique

RevueJournal of Agricultural Science · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCooperative Studies and Economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgricultural scienceHectareRice farmingMultistage samplingAgricultureDescriptive statisticsProduction (economics)Promotion (chess)BusinessOgun stateGross marginSocioeconomicsGeographyMathematicsEconomicsStatisticsBiologyPolitical science

Résumé

récupéré en direct d'OpenAlex

The study was conducted to determine the impact of farmers’ membership of cooperative societies on rice production. Against the backdrop that the promotion of membership of cooperative society among farmers would give them better access to agricultural inputs and consequently improve their income. Multistage sampling technique was employed to select a total of 310 rice farmers. Data collected were analyzed using descriptive statistics, budgetary technique and inferential statistics. The results revealed the mean age of the rice farmers as 48 years. Majority (92%) of the farmers produced upland rice, with a single harvest per year using mainly owned resources. Family labour was the most important source of farm labour in rice cultivation and about 60% of the members of the farm families participated in the family rice farm. The results further showed that 38.9% of rice farmers had primary education, 27.4% had secondary education, while 25.1% had no education. A total of 71% of the rice farmers were members of rice farmers’ cooperative societies, while 29% were not. The average farm size cultivated was 1.72ha and 1.64ha for cooperative and non-cooperative members respectively. The result also showed that there is no significant difference in the gross margin per hectare realized by farmers that were cooperative members (N90, 222) and the non cooperative members (N92, 986). The input-use structure showed that cooperative members were more intensive users of purchased inputs like fertilizer and pesticides valued at N124,555 per ha (about 41% of variable cost) compared to the non cooperative members valued at N57,647 per ha (about 22% of the variable cost). Almost all the groups were established to serve as receptacles for subsidized agricultural services and inputs rather than real producer organizations that seek to attract commercial providers of services and ensure efficient marketing of their farm outputs. Further revelation from the study is the fact that membership of cooperative society was found to be influenced by household size, access to extension services, number of rice farms owned, access of rice farmers to herbicide and quantity of rice output. The non-significant difference in the gross margin of cooperative and non-cooperative members despite the greater intensity of use of purchased inputs (fertilizer and pesticide) by cooperative members suggests the need for monitoring of rice farmers who are cooperators in order to ensure that the substantial inputs are rightly channeled.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,007
Tête enseignante GPT0,204
Écart entre enseignants0,197 · 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

Citations26
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetCooperative Studies and EconomicsTravaux en français237 207