MétaCan
Menu
Retour à la cohorte
Enregistrement W2168147698 · doi:10.5539/jas.v5n5p107

Agricultural Information Needs of Rural Women Farmers in Nkonkobe Municipality: The Extension Challenge

2013· article· en· W2168147698 sur OpenAlexvenueno aff
Shehu Folaranmi Gbolahan Yusuf, P.J. Masika, Ikponmwosa David Ighodaro

Notice bibliographique

RevueJournal of Agricultural Science · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Innovations and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgricultureSnowball samplingAgricultural extensionFood securityGeographyAgricultural scienceIndigenousLivelihoodBusinessSocioeconomicsBiologyMathematicsEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Access to agricultural information is vital for improving food security at the village level. This study accessed the agricultural information needs of women farmers in Nkonkobe Municipality of the Amathole District, Eastern Cape Province, South Africa. Data was obtained from 118 households. The women farmers were identified from four villages using the snowball sampling technique. Findings revealed that backyard gardening (87.2%; n = 103) was common in addition to the rearing of indigenous chicken (65.2%; n = 77) to complement food security. Most (80.5%; n = 95) were confronted with weed problems after applying cow dung as manure. There was a high report (70.3%; n = 83) of insect attack on leaves of cabbage, spinach and carrot, while seed dormancy was low (24.58; n = 29). Problems of fowls’ theft (66.95%; n = 49) and fowl predators (40.68%; n = 48) were common. More than average (54.2%; n = 64) depends on friends, neighbors and farmers’ colleagues for agricultural information but the majority (99.1%; n = 117) preferred extension workers coupled with farm demonstration for agricultural information. The study identified the importance of farmer-to-farmer model of technology transfer among farmers. It is recommended that farmer-to-farmer model could further be investigated to complement efforts of the extension services towards providing agricultural information to the smallholder farmers.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,903
Score d'incertitude au seuil0,418

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,006
Science ouverte0,0010,000
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 Opus0,024
Tête enseignante GPT0,242
Écart entre enseignants0,218 · 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'étudeExpérimental (laboratoire)
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

Citations33
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetAgricultural Innovations and PracticesTravaux en français237 207