MétaCan
Menu
Retour à la cohorte
Enregistrement W2154622340 · doi:10.5539/jas.v4n12p261

Impact of Land Certification on Sustainable Land Resource Management in Dryland Areas of Eastern Amhara Region, Ethiopia

2012· article· en· W2154622340 sur OpenAlexvenueno aff
Abate Tsegaye, Enyew Adgo, Yihenew G. Selassie

Notice bibliographique

RevueJournal of Agricultural Science · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLand Rights and Reforms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLand managementLand degradationLand tenureGeographyCertificationSustainable land managementAgricultural economicsBusinessSocioeconomicsAgroforestryEconomicsAgricultureEnvironmental science

Résumé

récupéré en direct d'OpenAlex

This study investigates the impact of land certification on sustainable land resource management, long-term investments, and farmers’ perception and confidence on land ownership and land use rights in the dryland areas of Eastern Amhara Region, Ethiopia. Fifteen kebeles from three woredas and 20 households per kebele were selected using stratified random sampling techniques with whom face-to-face interviews were carried out. Analysis of the qualitative and quantitative data showed that, 160 households have on average 0.40 ha of farmland on steep slope area; and about 21.0% and 15% of households have fear land redistribution and the government may take their farm plot at any time, respectively. However, respondents believe that land certification reduced landlessness of women, disable and poor of poor where as it increased youths’ landlessness. The participation of households in land management practices (LMP) has shown a 15.4% increment after land certification. Nonetheless, the mean comparison of major crop yields per household is insignificant except sorghum which decreased significantly at level of p<0.1 level. Generally, land certification improves tenure security; LMP and land use rights of women and marginal groups of societies but did not crop 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 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)0,001
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 enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,245
Écart entre enseignants0,225 · 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

Citations19
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetLand Rights and ReformsTravaux en français237 207