MétaCan
Menu
Retour à la cohorte
Enregistrement W2385849975

Comparison and Reference of Family Farm in Developed Countries

2016· article· en· W2385849975 sur OpenAlexaboutno aff
Ding Zhong-mi

Notice bibliographique

RevueXibu luntan · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Systems and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgricultureBusinessFamily farmSustainable developmentGovernment (linguistics)Economic growthService systemAgricultural productivityService (business)ChinaScale (ratio)Quality (philosophy)Agricultural economicsEconomicsGeographyPolitical scienceMarketing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In western developed countries of America,Europe and so on,the development of family farm has greatly promoted the agricultural scale and professional management. The common experience of the family farm of the developed countries is effective land system,complete agricultural socialization service system,professional production and management,and high quality professional talents. The United States and Canada have rich agricultural resources and their family farms have the features such as big scale and regional specialization. France has common agricultural resources, her family farm development mainly depends on appropriate business management system, specialization production and governmental support. Denmark and Israel are short of agricultural resources and their family farm development chiefly relies on big support from their government policy and scientific and technological innovation and development. Under the new normality of economic development,China should increase policy support for agriculture, deepen rural land system reform, set up and perfect agricultural socialization service system,accelerate cultivation of modern agricultural talents with high quality,manage agriculture with appropriate scale and with specialized and ecological development in order to boost sustainable development of China's family farms.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,008
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,075
Tête enseignante GPT0,297
Écart entre enseignants0,222 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueXibu luntanMême sujetAgricultural Systems and PracticesTravaux en français237 207