MétaCan
Menu
Retour à la cohorte
Enregistrement W2611405755 · doi:10.5539/sar.v6n3p1

Contemporary Challenges Facing the Small Farmers in the Green Scheme Projects in Namibia

2017· article· en· W2611405755 sur OpenAlexvenueno aff
Martin Shapi

Notice bibliographique

RevueSustainable Agriculture Research · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLand Rights and Reforms
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Namibia
Mots-clésMarket accessAgricultureProduction (economics)Agricultural productivityGovernment (linguistics)BusinessProductivityDescriptive statisticsAgricultural economicsQualitative propertyQualitative researchEconomic growthMarketingEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

The paper uses a combination of theory and both quantitative and qualitative evidence to demonstrate the significance and challenges of agricultural development in Namibian green scheme projects. For quantitative, a structured questionnaire to produce descriptive statistics was administered to 135 small farmers while eight (8) project manager who were interviewed at the studied schemes as key informant served as source of qualitative information that pin pointed out challenges and opportunities, faced by the small farmers in these schemes. The evidence points to the fact that although there are myriad of challenges, such as challenges related to production, access to efficient and effective market and access to credit faced by farmers, production and access to efficient and effect market challenges emerged as the most stumbling blocks to the optimal production and sales of small farmers’ produce. Usually access to agricultural credit is seen as one of the major challenges of smallholder farmers in Africa. In this study access to agricultural credit was less seen as a major stumbling block to the smallholder farmers’ productivity. This is attributed to the current farmers’ agricultural credit support scheme in place between Agricultural Bank of Namibia (Agribank) and the government of Namibia.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,473
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
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 Opus0,142
Tête enseignante GPT0,317
Écart entre enseignants0,175 · 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.

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

Citations7
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetLand Rights and ReformsTravaux en français237 207