MétaCan
Menu
Retour à la cohorte
Enregistrement W3125060257

PARTICIPATORY RESEARCH METHODS FOR TECHNOLOGY EVALUATION: A MANUAL FOR SCIENTISTS WORKING WITH FARMERS

2001· preprint· en· W3125060257 sur OpenAlexfundno aff
M.R. Bellon

Notice bibliographique

RevueCGSPace A Repository of Agricultural Research Outputs (Consultative Group for International Agricultural Research) · 2001
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Innovations and Practices
Établissements canadiensnon disponible
Organismes subventionnairesInstituto Nacional de Investigaciones Forestales, Agrícolas y PecuariasInternational Development Research Centre
Mots-clésCitizen journalismParticipatory action researchParticipatory evaluationKnowledge managementParticipatory GISField (mathematics)Management scienceConceptual frameworkComputer scienceProcess managementData scienceEngineeringSociologySocial scienceWorld Wide Web
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This manual presents methods that enable agricultural scientist and farmers to
\nevaluate technologies/practices jointly. The methods are specifically designed for
\nparticipatory research on germplasm and soil fertility technologies, and they are illustrated
\nwith actual examples from three research projects. The manual begins by reviewing
\nconceptual issues that are important in participatory research and presents information to
\nassist researchers in selecting research sites and fieldwork participants. Next, the manual
\ndescribes the rationale and associated methods for each major activity in farmer participatory
\nresearch: diagnosing farmers’ conditions, evaluating current and new technologies/practices,
\nand assessing their impact. Goals, procedures, advantages, and limitations of each method are
\noutlined. The manual also presents detailed information on analyzing data gathered through
\nparticipatory methods, discusses differences between gathering data through participatory
\nmethods and more traditional structured farm surveys, and offers examples, based on field
\nexperience, of the choices and strategies involved in applying these methods.

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)0,024
score de la tête « metaresearch » (Gemma)0,017
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,657
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0240,017
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,006
Études des sciences et des technologies0,0050,003
Communication savante0,0020,001
Science ouverte0,0030,002
Intégrité de la recherche0,0010,003
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 Opus0,349
Tête enseignante GPT0,504
Écart entre enseignants0,155 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
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

Citations41
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCGSPace A Repository of Agricultural Research Outputs (Consultative Group for International Agricultural Research)Même sujetAgricultural Innovations and PracticesTravaux en français237 207