MétaCan
Menu
Retour à la cohorte
Enregistrement W2291252638 · doi:10.5539/sar.v5n1p97

Food vs. Wood: Dynamic Choices for Kenyan Smallholders

2016· article· en· W2291252638 sur OpenAlexvenueno aff
Alexandra Peralta, Scott M. Swinton

Notice bibliographique

RevueSustainable Agriculture Research · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgroforestrySubsistence agricultureAgricultureSowingCash cropEucalyptusWood productionTree plantingResource (disambiguation)TropicsFood securityAgricultural scienceGeographyAgricultural economicsAgronomyEnvironmental scienceEconomicsForest managementBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Smallholder farmers in many areas of the semiarid tropics are planting exotic tree species that provide alternative income sources, fuel, and building materials. While providing other benefits, these trees often occupy land that could produce annual food crops. This study uses a polyperiod, linear programming model, to explore the opportunity cost of planting Eucalyptus grandis and Grevillea robusta trees compared to crops in the Nyando watershed of western Kenya. Results of the ten-year period wealth maximization model suggest that a representative farmer’s decisions on farm resource allocation are sensitive to changes in the relative prices of short rotation tree products and annual crops. The model also suggests that there are economic tradeoffs between planting trees and crops, as well as between planting different tree species. Timber production is not likely to replace food crops for two main reasons: (1) the high cost of meeting household subsistence requirements from marketed grains, (2) household cash flow needs met by annual crops. Farmers plant eucalyptus for commercial purposes because they can obtain timber products within four years; however if the prices of these short rotation products go down, farmers will prefer to grow timber from high yield grevillea.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,018
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,023
Tête enseignante GPT0,266
Écart entre enseignants0,243 · 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 source (Gemma direct ou Codex distillé), 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 revueSustainable Agriculture ResearchMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207