Determinants Of Productivity Level Of Commercial Grasscutter Farmers In Oyo State
Notice bibliographique
Résumé
Seventy-five registered grasscutter farmers were purposively sampled among association members and non-members. The data was collected through administration of structured questionnaire and analyzed using descriptive and inferential statistics to determine relationship among variables. The study revealed that majority of the respondents were males (83.8%), married (78.4%) and had tertiary education (82.6%). Large proportion were Christians (51.4%) and 64.8% were within the age range of 30-50 years. The study however, showed that more than three-quarter (78.4%) obtained more than 1.0 productivity and friends/neighbour (51.4%) and contact farmers (50%) were major sources of information. Home/farm sales (81.8%) was a major marketing channel used by the farmers. The average profit/gain made by respondents was N54,203 while sales of grasscutters was not seasonal but at any time of the year. Credit facilities diseases/pest/parasites and high cost of farming equipment and housing were mentioned constraints. There was significant relationship between farmers' age and their productivity level (r = 0.30, p Keywords : Grasscutter, Productivity, Livestock farming. African Journal of Livestock Extension Vol. 5 2007: pp. 71-75
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».