MétaCan
Menu
Retour à la cohorte
Enregistrement W2983821340 · doi:10.5539/sar.v8n4p72

Impact of Dairy Enterprises on Employment Creation and Income Generation in Hadiya Zone, Ethiopia

2019· article· en· W2983821340 sur OpenAlexvenueno aff
Abriham Ababiya, Jema Haji, Endrias Geta, Lemma Zemedu

Notice bibliographique

RevueSustainable Agriculture Research · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePoverty, Education, and Child Welfare
Établissements canadiensnon disponible
Organismes subventionnairesHaramaya University
Mots-clésPropensity score matchingHousehold incomeBusinessDescriptive statisticsSelection biasMatching (statistics)Demographic economicsSocioeconomicsAgricultural economicsLabour economicsEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

This study sought to examine the impact of dairy enterprises on employment creation and income generation in Hadiya zone, Ethiopia. Data were collected from 385 randomly selected household heads, three FGDs participants and five key informants’ interviews. Data were analyzed using descriptive statistics and propensity score matching. The survey results showed that out of 385 sampled household heads 126 (32.5%) were members and the remaining 259 (67.5%) were non-members of micro and small dairy enterprises. The propensity score matching result shows that being member had significant positive impact on members’ employment creation and income generation. The result revealed that the membership resulted in average increment of household’s annually employment creation by about 4 persons (33.98%) and income generation by Birr 12,339.00 (32.57%). The result showed that membership in dairy enterprises had a significant and positive impact on employment creation and income generation. The impact estimates were found to be insensitive to unobserved selection bias. It is, therefore, essential to expand and strengthen development of dairy enterprises and the membership of households in dairy enterprises to increase employment creation and income generation of members.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,059
Score d'incertitude au seuil0,969

Scores Codex et Gemma par catégorie

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

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 Opus0,021
Tête enseignante GPT0,365
Écart entre enseignants0,344 · 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 tête enseignante, 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetPoverty, Education, and Child WelfareTravaux en français237 207