MétaCan
Menu
Retour à la cohorte
Enregistrement W2164630251 · doi:10.5539/jas.v6n8p10

Evaluation of Crop Production Practices by Farmers in Tshakhuma, Tshiombo and Rabali Areas in Limpopo Province of South Africa

2014· article· en· W2164630251 sur OpenAlexvenueno aff
Sylvester Mpandeli

Notice bibliographique

RevueJournal of Agricultural Science · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSustainable Development and Environmental Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgricultureIrrigationGeographyEconomic shortageAridLivestockDistribution (mathematics)AgroforestryWater scarcityCropAgricultural productivityWater resource managementEnvironmental scienceSocioeconomicsAgronomyForestryEcologyMathematicsBiology

Résumé

récupéré en direct d'OpenAlex

Limpopo Province is characterised by high climatic variability. This is a serious problem in Limpopo Province considering the fact that the province is in a semi-arid area with low, unreliable rainfall. The rainfall distribution pattern, for example, in the Vhembe district is characterised by wet and dry periods depending on the geographical location. In the Vhembe district high rainfall is usually experienced in the Tshakhuma and Levubu areas. Most of the rainfall received in the Vhembe district is in the form of thunderstorms and showers, and this makes rainfall in the district vary considerably. The impact of lower rainfall has negative effects on the agricultural sector, low rainfall resulting in decreases in agricultural activities, loss of livestock, shortage of drinking water, low yields and shortage of seeds for subsequent cultivation. For example, farmers in Rabali area are supposed to use hybrid seeds due to lack of sufficient irrigation water and also poor rainfall distribution compared to farmers in areas such as Tshakhuma and Tshiombo areas.

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 enseignants0,063
Score d'incertitude au seuil0,125

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
Bibliométrie0,0010,002
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)0,0010,000

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 Opus0,018
Tête enseignante GPT0,254
Écart entre enseignants0,236 · 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

Citations6
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetSustainable Development and Environmental PolicyTravaux en français237 207