MétaCan
Menu
← Retour à la cohorte
Enregistrement W2734886711 · doi:10.5539/ass.v13n8p1

Performance and Efforts Regarding Usage of Mobile Phones among Farmers for Agriculture knowledge

2017· article· en· W2734886711 sur OpenAlexvenueno aff
Changfeng Chen, Jianbin Jin

Notice bibliographique

RevueAsian Social Science · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueICT in Developing Communities
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessAgricultureProduct (mathematics)Mobile phoneGovernment (linguistics)PhoneMarketingAgricultural economicsEconomicsGeographyEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

Nowadays everyone is using mobile phone for connect with each other’s and get information about different issues and updates around the world. However, mobile phones have also played an important role in the development of agriculture and make it easy for farmers to communicate with buyers and sellers to sell their goods in reasonable price. The study was conducted in Sindh province of Pakistan where ten districts were selected and 1500 farmers randomly were selected for interview. While 150 farmers were selected from these ten districts according to the list provided by Agriculture Department Government of Sindh and Sindh Irrigation & Drainage Authority (SIDA). Study showed that most of the farmers possessed their own mobile phone and more than half around 64% of the respondents directly call the buyers and negotiated to sell their goods. Moreover, 44.9% of the respondents neither agree nor disagree regarding mobile phone expanding their market information and 40.3% of the respondents take efforts and understand that mobile phones has improved their skills to communicate with buyers in market. However, due to lack of infrastructure still farmers are facing many problems in their working areas and have no proper information about pesticide use and weather updates in their agriculture areas. Government and non-governmental organizations should improve their skills and knowledge about agriculture product where farmers can increase their product in future.

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)0,005
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 enseignants0,008
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,017
Tête enseignante GPT0,276
Écart entre enseignants0,259 · 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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social Science→Même sujetICT in Developing Communities→Travaux en français237 207→