MétaCan
Menu
Retour à la cohorte
Enregistrement W2931274155

Automation of Agricultural Machines: the farmers perspective

2018· article· en· W2931274155 sur OpenAlexaboutno aff
Uduak Edet, Eric Hawley, Danny Daniel Mann

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Farm Safety
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTractorAgricultureAutomationAgricultural machineryPopulationMarketingBusinessProductivityEngineeringOperations managementEconomic growthEconomicsGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

As world population increases every year, so does the demand for quality and affordable food. Mobile agricultural machines like tractors, planters, combines, and sprayers have played a major role in ensuring that there is adequate food for this growing population. As a result, these machines have undergone several modifications to increase their productivity and safety. Today’s farmers make use of current technology to perform various farm operations. Some of these technologies include GPS, autosteer, and variable rate technology. With the advancements made so far, efforts are still being made to further improve their efficiency and operability. Agricultural machine manufacturers/researchers are currently working toward full automation, meaning that these machines would neither have an operator in their cabin nor would they require human involvement to navigate and control their operations. But, is this what farmers desire? Is the farming community willing to fully embrace a driverless tractor, or do farmers prefer to remain in the operator’s seat? The goals of this study were to gain an understanding of farmers’ satisfaction regarding the various modifications that were made on previous/current agricultural machines and to determine the prevailing perception of farmers towards full automation of agricultural machines. To achieve these objectives, a survey was developed and distributed to practicing farmers and university agriculture students in Alberta, Manitoba, and Saskatchewan. Findings from the study provided valuable information that will foster decision making during future modification of agricultural machines. Likewise, it will help manufacturers design machines that focus on the needs of the farming community.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,003
Communication savante0,0030,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,010
Tête enseignante GPT0,221
Écart entre enseignants0,211 · 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'étudeQualitatif
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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAgriculture and Farm SafetyTravaux en français237 207