Adoption of Improved Soybean Varieties and Differences in Technical Efficiency Between Improved and Local Soybean Varieties in Southern Shan State, Myanmar
Notice bibliographique
Résumé
This study determined the factors influencing the adoption of improved soybean varieties and examined the technical efficiencies of improved and local soybean varieties production in Southern Shan State, Myanmar. For this study, data from a sample of 337 respondents were collected by employing a multi-stage random sampling method. Logit model was adopted to determine the factors influencing the adoption of improved soybean varieties. Additionally, a stochastic production frontier was used to examine technical efficiencies of improved and local soybean varieties. Results show that factors that positively and significantly influence the adoption of improved soybean varieties are education, market access, extension access and training access. Examination of technical efficiency reveals that labor, fertilizer, machinery, and use of pesticide and harvester are inputs that significantly contribute to improving production efficiency among the improved variety farmers while seeds, labor, and fertilizer are significant inputs of local soybean production. On average, the estimated yield of the improved soybean varieties is 1.51 t/ha, which is higher than the yield of local soybean varieties grown at 0.88 t/ha. It was also revealed that improved soybean varieties had a relatively higher level of mean technical efficiency (85.04%) than local varieties (70.13%) and significantly different at 1% level. The results show that improved soybean production is more efficient than local soybean production. Therefore, government and non-government organizations should improve and provide market access, efficient and effective extension services and training to encourage farmers to adopt improved soybean varieties.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».