MétaCan
Menu
Retour à la cohorte
Enregistrement W3098849471 · doi:10.5539/jas.v12n12p201

Determinants of Youth Farmers’ Participation in Agricultural Activities in Akwa Ibom State, Nigeria

2020· article· en· W3098849471 sur OpenAlexvenueno aff
M. U. Dimelu, Anthony Mfonobong Umoren, Jane M. Chah

Notice bibliographique

RevueJournal of Agricultural Science · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLand Rights and Reforms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPanacea (medicine)AgricultureLivelihoodBusinessGovernment (linguistics)Economic growthDiversification (marketing strategy)Descriptive statisticsAgricultural extensionSocioeconomicsAgricultural economicsMarketingGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

A refocus on agriculture is considered a pertinent resort for the youths because it is generally believed to be a panacea for sustainable development in any nation. To help generate suitable policies to encourage youth farmers to be involved in agricultural activities, the study analysed factors that influence youth farmers’ participation in agricultural activities in Akwa Ibom State, Nigeria. Through a list of farmers obtained with the assistance of Akwa Ibom State Agricultural Development Programme, 120 youth farmers were randomly selected for the study using simple random sampling technique. The study used descriptive and inferential tools to analyse information collected. The majority (59.2%) of youth farmers were male and 42.5% were between the ages of 36-39 years. Only 8.3% had access to credit. About 71% of the youth farmers were involved in on-farm activities and only 29.2% in both on- and off-farm activities. The major determinants of youth agricultural activities were household size and membership of social organizations. The state government and other relevant agencies and organizations should create platforms to educate youth farmers on the need for more involvement and diversification in their agricultural livelihood strategies.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,025
Tête enseignante GPT0,247
Écart entre enseignants0,222 · 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'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

Citations13
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetLand Rights and ReformsTravaux en français237 207