MétaCan
Menu
Retour à la cohorte
Enregistrement W2286286113 · doi:10.5539/jas.v8n3p70

Analysis of Namibian Main Grain Crops Annual Production, Consumption and Trade—Maize and Pearl Millet

2016· article· en· W2286286113 sur OpenAlexvenueno aff
Theresia Kaulinawa Shifiona, Wang Dongyang, Zhiquan Hu

Notice bibliographique

RevueJournal of Agricultural Science · 2016
Typearticle
Langueen
DomaineDecision Sciences
Thématiqueactivated carbon and charcoal
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPearlConsumption (sociology)Staple foodPer capitaAgricultureAgronomyProduction (economics)GeographyAgricultural scienceYield (engineering)Agricultural economicsBiologyEconomicsPopulation

Résumé

récupéré en direct d'OpenAlex

<p>Cereal grains are the most important source of the world’s total food and staple food for most developing countries. The main objective of this paper is to analyze the Namibian cereal grains by examining trends in annual output, imports and exports as well as consumption volumes for over the period of fifteen years. Due to a variety number of grains being produced and consumed, the main focus is on maize and pearl millet. Data were collected from the Namibian Agronomic Board and from Food and Agriculture Organization of the United Nation Statistical yearbooks for various years. A combination of descriptive statistics has been applied as the method of analysis of the collected data, providing concise summaries about the observations that have been made. The findings show that the production of both maize and pearl millet has increased over the year reviewed due to relative increase in area harvested and yield. Consumption of pearl millet represents one fifth (20%) of the national cereal consumption, while maize represents one third (33%). On average the per capita consumption of maize is around 44kg per year while millet is about 29kg per year. The consumption of both maize and pearl millet rose at an average annual rate higher than the production rate, particularly for maize. To cover deficits between consumption and production, imports become a viable option, especially for maize.</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 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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,846
Score d'incertitude au seuil0,360

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,031
Tête enseignante GPT0,309
Écart entre enseignants0,277 · 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'étudeObservationnel
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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetactivated carbon and charcoalTravaux en français237 207