MétaCan
Menu
Retour à la cohorte
Enregistrement W2567076007 · doi:10.5897/ajar2015.10498

Assessing the effects of agroecology and conventional farming techniques on small-scale peasant farmers crop yields in the Fako and Meme divisions of Cameroon

2016· article· en· W2567076007 sur OpenAlexaff
Terence Épule Épule, Robin Bryant Christopher

Notice bibliographique

RevueAfrican Journal of Agricultural Research · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésAgroecologyAgricultureContext (archaeology)Agrarian societyPeasantAgricultural scienceScale (ratio)Crop yieldGeographyAgricultural economicsMathematicsEnvironmental scienceAgronomyEconomicsCartography

Résumé

récupéré en direct d'OpenAlex

Small-scale farming constitutes a very important segment of the food production chain in most third world countries. In Cameroon for example, they constitute about 70% of the agrarian population. This study aimed at verifying the effects of agroecology and conventional farming techniques on crop yields in four sites in the South West Region of Cameroon from small-scale farms. Data were obtained through the administration of 200 questionnaires and two focus group discussions (FGDs). The data were analyzed using frequencies, means, coefficient of correlation, coefficient of determination, and linear regression models. The FGDs were also  analysed using context analysis. All the analyses were performed in SPSS version 20 and Wordstat 7 software. The results showed that both agroecology and conventional farming techniques are used in the study sites but agroecology techniques are more responsible for yield increases than conventional techniques as seen in correlations coefficients and regression outputs. The only exceptions in which conventional farming techniques contribute more to yields was under income levels and the number of family members that live and work on the farm. This was justified by the fact that conventional techniques often require higher income levels since they are often purchased.   Key words: Agroecology and conventional techniques, small-scale farmers, crop yields.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,949
Score d'incertitude au seuil0,232

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
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 Opus0,041
Tête enseignante GPT0,323
Écart entre enseignants0,282 · 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

Citations11
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAfrican Journal of Agricultural ResearchMême sujetAgriculture and Rural Development ResearchTravaux en français237 207