MétaCan
Menu
Retour à la cohorte
Enregistrement W2138703121 · doi:10.1596/1813-9450-4602

Long-Term Adaptation: Selecting Farm Types Across Agro-Ecological Zones In Africa

2008· book· en· W2138703121 sur OpenAlex
Robert Mendelsohn, Ariel Dinar, Pradeep Kurukulasuriya, Rashid Hassan

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueWorld Bank, Washington, DC eBooks · 2008
Typebook
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Economics and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTerm (time)Adaptation (eye)GeographyEcologyEnvironmental resource managementEnvironmental scienceAgroforestryBiology

Résumé

récupéré en direct d'OpenAlex

Using economic data from more than 8,500 household surveys across 10 African countries, this paper examines whether the choice of farm type depends on the climate and agro-ecological zone of each farm. The paper also studies how farm type choice varies across farmers in each zone, using a multinomial logit choice model. Farmers are observed to choose from one of the following five types of farms: rainfed crop-only, irrigated crop-only, mixed rainfed (crop and livestock), mixed irrigated, and livestock-only farming. The authors compare current decisions against future decisions as if the only change were climate change. They focus on two climate scenarios from existing climate models: the Canadian Climate Centre scenario, which is hot and dry, and the Parallel Climate Model scenario, which is mild and wet. The results indicate that the change in farm types varies dramatically by climate scenario but also by agro-ecological zone. Policy makers must be careful to encourage the appropriate suite of measures to promote the most adapted farm type to each location

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.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,849
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,038
Tête enseignante GPT0,238
Écart entre enseignants0,200 · 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