RELACIÓN ENTRE EL NIVEL DE TECNOLOGÍA Y LOS ÍNDICES DE PRODUCTIVIDAD EN FINCAS GANADERAS DE DOBLE PROPÓSITO LOCALIZADAS EN LA CUENCA DEL LAGO DE MARACAIBO Relationship Between Level of Technology and Productivity Índices of Dual-Purpose Cattle Farms Located on The Maracaibo Lake Basin
Notice bibliographique
Résumé
In order to study the relationship between the levels of technology and productivity indicators of dual-purpose cattle farms located in the Jesus E. Lossada, La Canada de Urdaneta y Rosario de Perija Municipalities, 102 farms were selected by random sampling and K-mean algorithm to create the technological groups. Three technological groups (TGs) were identified: low (TG ), middle (TG ) and high (TG ). Later, the partial productivity means of different groups were compared by variance analysis and the Duncan test was utilized to evaluate the differences among the means. The TG showed high partial productivity in several indicators but only milk liters by total-cow and by labor productivity were statistically significant (P<0.05). Also, economical indicators such as income by total-cow, total income, profit and gross profit resulted statistically different from TG and TG . These results allow concluding that TG showed a higher herd and labor productivity and lower cost-income relationship due to differences in the farm management of TG with respect to other groups. There is a straightforward relationship among technological levels and economical indicators. Profit and gross profit increases as the farm move into higher technological level.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».