An open-access dataset of crop production by farm size from agricultural censuses and surveys
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This dataset is a cross-country convenience sample of primary data measuring crop production and/or area by farm size for 55 countries that underlies the article entitled "How much of the world׳s food do smallholders produce?" (DOI: https://doi.org/10.1016/j.gfs.2018.05.002). The harmonized dataset is nationally representative with subnational resolution, sourced from agricultural censuses and household surveys. The dataset covers 154 crop species and 11 farm size classes, and is ontologically interoperable with other global agricultural datasets, such as the Food and Agricultural Organization׳s statistical database (FAOSTAT), and the World Census of Agriculture (WCA). The dataset includes estimates of the quantity of food, feed, processed agricultural commodities, seed, waste (post-harvest loss), or other uses; and potential human nutrition (i.e., kilocalories, fats, and proteins) generated by each farm size class. We explain the details of the dataset, the inclusion criteria used to assess each data source, the data harmonization procedures, and the spatial coverage. We detail assumptions underlying the construction of this dataset, including the use of aggregate field size as a proxy for farm size in some cases, and crop species omission biases resulting from converting local species names to harmonized names. We also provide bias estimates for commonly used methods for estimating food production by farm size: use of constant yields across farm size classes when crop production is not available, and relying on nationally representative household sample surveys that omitted non-family farms. Together this dataset represents the most complete empirically grounded estimate of how much food and nutrition smallholder farmers produce from crops.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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