MétaCan
Menu
Retour à la cohorte
Enregistrement W2601858553 · doi:10.15740/has/irjaes/6.2/426-431

An overview of reasons and ramification for farmer suicides in India

2015· article· en· W2601858553 sur OpenAlexaboutno aff
B. C. Ashwini, A. P. Bhavya, G. M. Gaddi, M.K. ARAVINDA KUMAR, L. Manjunath, Prakash Mokashi

Notice bibliographique

RevueINTERNATIONAL RESEARCH JOURNAL OF AGRICULTURAL ECONOMICS AND STATISTICS · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Economics and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRamificationPolitical scienceGeographyMathematicsPure mathematics

Résumé

récupéré en direct d'OpenAlex

Agriculture is the back bone of Indian economy. It feeds 125 crore human population of India directly or through the generation of economic activities in the country, which is re instated in the resilience of Indian economy even in recent difficult days of global recession. In the 18 years period between 1996 to 2013 as many as 2,82,914 farmers committed suicide in India (1996 to 2013). Farmer suicides have decreased at annual compound growth rate of around 0.05 per cent per annum (1996 to 2013). The general suicides have increased at annual compound growth rate of around 2.19 per cent per annum. The total plan outlay towards agriculture and allied sectors has increased from I FYP (Rs. 354 crores) to II FYP (Rs. 50,924 crores) but the percentage of such an allocation to the total outlay has been decreased from nearly 14.90 per cent to 2.40 per cent over the years. A large number of Indian farmers are under debt trap due to variety of reasons. A major one among them, is the crop failure, leading to non-repayment of loans taken to raise that crop, thus, unable to get institutional credit for the succeeding seasons. The subsidy given towards agriculture has increased from Rs. 45,529 crores to Rs. 66,989 crores, but compared to other countries like Canada, Japan, USA the subsidy given to Indian farmers is far less. The gap between MSP and cost of cultivation in majority of the crops was minimum of 32 per cent except, Sugarcane, where the gap was the least (12 %). Effective collaborations, co-ordination, co-operations, commitment to the cause of the farmers' upliftment are needed to prevent farmers' suicide.

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 enseignants0,890
Score d'incertitude au seuil0,135

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,204
Tête enseignante GPT0,408
Écart entre enseignants0,204 · 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINTERNATIONAL RESEARCH JOURNAL OF AGRICULTURAL ECONOMICS AND STATISTICSMême sujetAgricultural Economics and PracticesTravaux en français237 207