MétaCan
Menu
Retour à la cohorte
Enregistrement W2142959951 · doi:10.5539/ijef.v4n6p169

The Impacts of Crop Diversity in the Production and Economic Development in Bangladesh

2012· article· en· W2142959951 sur OpenAlexvenueno aff
Sirajul Islam, Muhammad Rabi Ullah

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Economics and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDiversification (marketing strategy)Agricultural economicsAgricultural diversificationProduction (economics)AgriculturePer capitaEconomicsYield (engineering)Food securityAcreProductivityAgricultural productivityCrop diversityCropBusinessAgricultural scienceGeographyEconomic growthEnvironmental science

Résumé

récupéré en direct d'OpenAlex

The study uses data from 1986 to 2009 about the production of various cereal crops, purposively selected to represent major production trend in Bangladesh before and after introduction of Crop Diversification Program (CDP) in the early 1990’s. The paper attempts to identify importance associated with diversified production, based on usage of lands. Bar graphs, pie charts and trend lines are used to represent the trends in production of rice, other cereal crops and yield of crops per acre of land. The yield-land ratio is used to find out the actual growth in production and it is showing upward trends over the years. Per capita agricultural output is shown to get concept about the condition of food security. Here it is clarified that diversification increases the agricultural production as well as helps to grow industries, reduces unemployment, increases the supply of nutrition and protein, import substitution and growth in agricultural GDP thus overall GDP of the country. Government policies and strategies are discussed related with diversified production and having successful CDP program to achieve production targets.

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 enseignants0,038
Score d'incertitude au seuil0,075

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
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
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 Opus0,027
Tête enseignante GPT0,223
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

Citations5
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetAgricultural Economics and PracticesTravaux en français237 207