Awareness, Training Needs and Constraints on Fishing Technologies among Small Scale Fishermen in Ondo State, Nigeria
Notice bibliographique
Résumé
The role of fishing technologies in achieving the National goal of food sufficiency cannot be over emphasized. Many small scale fishermen who are supposed to be the end users of various modern fishing technologies are ignorant of various technological opportunities they stand to gain in their profession. Therefore, the objective of the study was to determine the awareness, training needs and constraints on fishing technologies among small scale fishermen in Ondo State, Nigeria. A multistage random sampling procedure was employed to select three local Government areas (Irele, Ilaje and Ese-odo), six fishing communities, and twelve artisanal fishermen to get a sample size of 216. Data were collected from the respondents using structured interview schedule and analyzed through the use of descriptive and inferential statistical tools. The results revealed that most of the artisanal fishermen were aware of the fishing technologies and 82.4% indicated favourable training needs towards fishing technologies. Major constraints experienced by the respondents were lack of proper net maintenance (76.9%), limited outboard engine repair workshop (73.6%) and effective fish processing, preservation techniques and equipment (70.4%). Significant relationship existed between awareness and training needs on fabrication of low cost fishing gears (X2 = 18.48; p < 0.00), smoking oven (X2 = 15.77; p < 0.00) and outboard engine repairs (X2 = 5.47; p < 0.01). Based on the findings of the study, concerted efforts should be made by all stakeholders to ensure that the required training needs of artisanal fishermen are met for the sustenance of fisheries technologies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».