MétaCan
Menu
Retour à la cohorte
Enregistrement W2139217711 · doi:10.5539/jas.v4n1p233

Agricultural Researchers’ Awareness of the Causes and Effects of Climate Change in Edo State, Nigeria

2011· article· en· W2139217711 sur OpenAlexvenueno aff
Tajudeen Oyekunle Amoo Banmeke, Olugbenga Emmanuel Fakoya, Ibrahim Folorunsho Ayanda

Notice bibliographique

RevueJournal of Agricultural Science · 2011
Typearticle
Langueen
DomaineEnergy
ThématiqueOil, Gas, and Environmental Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClimate changeAgricultureDescriptive statisticsSocioeconomicsSpillagePsychologyGeographySociologyEngineeringStatisticsMathematicsEcology

Résumé

récupéré en direct d'OpenAlex

The study assessed Agricultural researchers’ awareness of the causes and effects of climate change in Edo State, Nigeria. Data for the study were collected from 112 respondents and were analyzed using descriptive and inferential statistics. Findings indicated that 45.5% of the respondents were between the ages of 31-50 years with 64.2% having a work experience of 5-10 years. Results revealed that 96.4% and 94.6% of the respondents were aware of gas flaring and oil spillage as causes of climate change. Also, 98.2% and 95.5% of the respondents were aware of increase in temperature and change in rainfall pattern respectively as some of the effects of climate change. There was a significant relationship between information sources and awareness of causes of climate change (r = 0.32; p < 0.05). It was recommended that agricultural researcher should be pragmatic and proactive in the pursuit of issues relating to climate change.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,456
Score d'incertitude au seuil0,259

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,039
Tête enseignante GPT0,273
Écart entre enseignants0,234 · 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

Citations3
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetOil, Gas, and Environmental IssuesTravaux en français237 207