Awareness, Training Needs and Constraints on Fishing Technologies among Small Scale Fishermen in Ondo State, Nigeria
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<p>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 (X<sup>2</sup> = 18.48; p &lt; 0.00), smoking oven (X<sup>2</sup> = 15.77; p &lt; 0.00) and outboard engine repairs (X<sup>2</sup> = 5.47; p &lt; 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.</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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 découle