Characterization of Buffalo Dairy Production Systems in Egypt Using Cluster Analysis Procedure
Notice bibliographique
Résumé
The study objective was to characterize and classify buffalo dairy production systems in Egypt. Ten governorates having high buffalo population density were selected as the study area. The data were collected from 1811 dairy buffalo farms using survey. Buffalo holders were face to face interviewed by constructed questionnaire. The survey was applied in two years (2010 and 2011). Two-Step Cluster procedure (CA) was used and analysis was repeated several times until the cluster quality came good (average silhouette ≥0.5). The algorithm selected the number of clusters, after calculating the Akaike’s information criterion (AIC). Statistics of CA showed that the numbers of farm in each cluster were 43 (2.4%) in cluster1 (CL1), 1364 (75.3%) in cluster2 (CL2) and 404 (22.3%) in cluster3 (CL3). CL1 farms had a good availability of facilities. The management practices were the higher in comparison with the farms in the other clusters. Management and feeding systems practices in CL1 ranged from medium to high. CL2 was the largest, with 1364 farms located in all the ten governorates. The availability of facilities and equipment were low or lacking. The management practices were the lowest in comparison with farms in other clusters. CL3 facilities availability were low to medium. The management practices were medium when compared with the farms in the other clusters. The results of the current study demonstrate the existence of a large variability among buffalo dairy production systems in Egypt. These systems variability should be taken into consideration for sustainable system development.
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 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 | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».