MétaCan
Menu
Retour à la cohorte
Enregistrement W3028770803 · doi:10.37128/2411-4413-2020-1-7

STRUCTURIZATION OF THE REGIONS OF UKRAINE BY THE INDICATOR OF CASH ESTIMATION OF AGRICULTURAL LANDS

2020· article· en· W3028770803 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueEСONOMY FINANСES MANAGEMENT Topical issues of science and practical activity · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLand Use and Management
Établissements canadiensCybernet Systems Corporation (Canada)
Organismes subventionnairesnon disponible
Mots-clésArable landValuation (finance)Agricultural landAgricultureLand useCadastreLand consolidationGeographyBusinessAgricultural economicsRegional scienceEconomicsAccounting

Résumé

récupéré en direct d'OpenAlex

The article reveals the issue of structuring the regions of Ukraine by indicators of monetary valuation of agricultural land. On the basis of the data of the State Statistics Service of Ukraine the analysis of the structure of agricultural land was carried out, which made it possible to establish a fraction of the area of individual species of land in total. The focus is on the concentration of significant amounts of land in private ownership, which exacerbates the issue of land valuation from the perspective of possible resource management and efficiency in its use. It has been argued that fragmentation of land is one of the good reasons for the inefficient use and changing purpose of land, lack of financial resources and smallholder coherence. In accordance with the Law of Ukraine "On Land Assessment" and the data of directories of the State Service of Ukraine on Geodesy, Cartography and Cadastre for 2017 - 2019. A comparative analysis of the normative monetary valuation of agricultural land by regions of Ukraine was carried out, which became the information base for their structuring by the method of cluster analysis. It was substantiated that one of the powerful methods of multivariate analysis is the cluster analysis, which is based on a set of selected economic indicators and objects of assessment. Estimates are based on the monetary valuation of agricultural land such as: arable land, perennial plantations, hayfields and pastures. On the basis of mathematical standardization of values of indicators the matrix of imaginary Euclidian distances is calculated, became a basis for formation of 7 clusters, each of which includes a final number of objects-regions distributed on homogeneous signs and approximation on estimations of cost of land areas. The formation of clusters on such characteristics will identify the most similar groups of objects-regions to develop a system of monitoring changes in the cost of land resources with subsequent analysis of fluctuations relative to average levels within specific clusters, and in Ukraine as a whole.

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 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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,857
Score d'incertitude au seuil0,575

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 technologies0,0000,002
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 Opus0,026
Tête enseignante GPT0,316
Écart entre enseignants0,290 · 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