MétaCan
Menu
Retour à la cohorte
Enregistrement W2297022472 · doi:10.29312/remexca.v7i2.354

Evaluacion del programa PROAGRO productivo en comunidades rurales de la sierra norte de Puebla

2017· article· es· W2297022472 sur OpenAlexaboutno aff
José Miguel Valentín-Garrido, Aurelio León Merino, Martín Hernández Juárez, Dora Ma. Sangermán-Jarquín, Esteban Valtierra Pacheco

Notice bibliographique

RevueRevista Mexicana de Ciencias Agrícolas · 2017
Typearticle
Languees
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural and Food Production Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesGeographyPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

En México, el programa PROCAMPO inició su operación en el año 1994 como parte del esquema de apoyo directo a la agricultura en al marco del Tratado de Libre Comercio de América del Norte firmado por México, Estados Unidos y Canadá (TLCAN). Desde su inicio el programa tuvo como objetivo apoyar mediante transferencias directas a los ingresos de los (as) productores (as) agrícolas en sustitución de los subsidios a los insumos y servicios del sector agropecuario. En el año 2014, se cambió su denominación a programa PROAGRO Productivo. Esta investigación tuvo como objetivo evaluar la operación del programa para conocer su impacto en la productividad agrícola entre los pequeños productores del municipio de Zacatlán, Sierra Norte de Puebla. En la investigación se usó la técnica de la encuesta y el muestreo simple aleatorio (n= 84) usando como marco de muestreo el listado de los (as) benef iciarios (as) del programa PROAGRO Productivo del año 2014, y también se tomó una muestra de 28 productores (as) no benef iciarios (as) del programa. Se encontró que 98.8% de los (as) benef iciarios (as) opinó que el apoyo del PROAGRO Productivo en año 2014 llegó tardíamente y éste solo cubrió 13% de los costos de producción del maíz. No se encontró diferencias en los rendimientos de maíz entre beneficiarios (as) y no beneficiarios (as) del programa, así que el programa no cumplió con el objetivo de incrementar la productividad.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,034
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,026
Tête enseignante GPT0,298
Écart entre enseignants0,272 · 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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Mexicana de Ciencias AgrícolasMême sujetAgricultural and Food Production StudiesTravaux en français237 207