MétaCan
Menu
Retour à la cohorte
Enregistrement W2920986144 · doi:10.3329/ijarit.v8i2.40553

Farmers’ acceptance of insects as an alternative protein source in poultry feeds

2018· article· en· W2920986144 sur OpenAlexfundno aff
Christopher Sebatta, Geoffrey Ssepuuya, E. Sikahwa, J. Mugisha, Gracious Diiro, May Sengendo, P. Fuuna, KKM Fiaboe, Dorothy Nakimbugwe

Notice bibliographique

RevueInternational Journal of Agricultural Research Innovation and Technology · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueInsect Utilization and Effects
Établissements canadiensnon disponible
Organismes subventionnairesAustralian Centre for International Agricultural ResearchInternational Development Research Centre
Mots-clésPoultry farmingAgricultural scienceBusinessIngredientAgricultureBiologyFood scienceEcology

Résumé

récupéré en direct d'OpenAlex

The research aimed at assessing the perceptions and willingness of poultry farmers, feed traders and processors to use insects as a source of protein ingredient in poultry feed. The research used a cross-sectional design and a structured questionnaire to collect quantitative data from 287 poultry farmers and 71 feed traders from 3 culturally diverse regions in Uganda. The study findings revealed that majority of the farmers mixed their own poultry feed. Willingness to use insects in poultry feeds was expressed by over 70% of the farmers, feed traders and processors, indicating a strong potential demand for insect-based feeds. However, some poultry farmers doubted the possibility of acquiring insects (rearing/harvesting) in large enough quantities and the consumers’ acceptance of poultry products from birds raised on insect-based feed. Nonetheless, there is a high potential for adoption of insects for use as poultry feed if they can be produced in sustainable quantities that ensure the viability of poultry farming and the feed processing businesses. Int. J. Agril. Res. Innov. & Tech. 8 (2): 32-41, December, 2018

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,045
Tête enseignante GPT0,351
Écart entre enseignants0,306 · 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

Citations24
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Agricultural Research Innovation and TechnologyMême sujetInsect Utilization and EffectsTravaux en français237 207