The Influence of Socio-Demographic Factors in Adopting Good Aquaculture Practices: Case of Aquaculture Farmers in Malaysia
Notice bibliographique
Résumé
<p>This study examined the influence of socio-demographic characteristics on the level of Good Aquaculture Practices (GAqP) among aquaculture farmer in the Northern part of Peninsular Malaysia. Primary data was obtained from survey that was conducted on 121 brackishwater and freshwater pond aquaculture farmer in the states of Kedah and Penang. Descriptive analysis was applied to identify the socio-demographic characteristics of aquaculture farmer and their level of GAqP. Multiple Linear Regression model was used to analyze the relationship between socio-demographic factors and the level of GAqP. The findings has revealed that the level of GAqP among brackishwater pond farmer is satisfactory where almost 84 per cent of farmer practicing GAqP at the level of 60 per cent and above with the mean value of 71.9 per cent. While the mean level of GAqP for freshwater pond farmer was at 50.3 per cent with only 18.6 percent of them practicing GAqP at the level of 60 per cent and above. Age and having technical knowledge related to aquaculture were the main factors that significantly influence to the level of GAqP among aquaculture farmer. Therefore measures related to the enhancement of technical knowledge among aquaculture farmer should be deliberated in the formulation of aquaculture development programs to ensure the sustainable development of aquaculture in Malaysia.</p>
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».