MétaCan
Menu
Retour à la cohorte
Enregistrement W2343111770

Regression Analysis Research on the Impact of Urbanization on Farmers’ Consumption Structure

2016· article· en· W2343111770 sur OpenAlexvenueno aff
Dexun Wu, Xuemei Zhang

Notice bibliographique

RevueCanadian social science · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueE-commerce and Technology Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUrbanizationConsumption (sociology)Rural areaArgument (complex analysis)Economic growthClothingBusinessSocial securityAgricultural economicsEconomicsGeographyPolitical scienceSociologyMarket economySocial science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The status of research on the impact of urbanization on farmers’ consumption structure conducted by the domestic and international scholars is described in the paper; and the argument is supported by exploration and analysis that the urbanization has exerted an influence on farmers’ consumption structure. Furthermore, by concretely exploring the related data model constructed in the research, the following achievements are made: along with the advancement of urbanization, the proportion of three categories including food and clothing in farmers’ consumption structure turns on a downward trend, while the proportion of housing, transportation, and other five categories are in an upward trend; in the farmers’ consumption expenditure, the medical and health expenditure is significantly affected by urbanization, while urbanization only has a little influence on food expenditure. On the basis of the conclusion in this paper, suggestions are put forward which include promoting the urbanization rate, creating a better condition for the development of the rural residents, improving the basic social security system and perfecting a series of policies that stimulate rural consumption including the “home appliances going to the countryside”, “mobile phones going to the countryside”, and “cars going to the countryside” etc..

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,626
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,006
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
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 Opus0,073
Tête enseignante GPT0,357
Écart entre enseignants0,284 · 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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian social scienceMême sujetE-commerce and Technology InnovationsTravaux en français237 207