MétaCan
Menu
Retour à la cohorte
Enregistrement W3152592593 · doi:10.5539/jas.v13n5p161

Group Cohesion for Enhanced Operation of Agricultural Community-Based Projects in Gauteng Province, South Africa

2021· article· en· W3152592593 sur OpenAlexvenueno aff
Bridget Taruvinga, Portia Ndou, C.P. Du Plooy, Kananelo Mphafi, Igenicious N. Hlerema, R. Seturumane

Notice bibliographique

RevueJournal of Agricultural Science · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCooperative Studies and Economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCohesion (chemistry)Group cohesivenessAgricultureSustainabilityBusinessLogistic regressionDescriptive statisticsCommunity cohesionMarketingPsychologySocial psychologyComputer scienceGeographyStatistics

Résumé

récupéré en direct d'OpenAlex

Collective operation of smallholder farmers and cooperatives has been attributed to many mishaps and malfunctions. Such knowledge creates misperceptions regarding agricultural cooperatives and their usefulness in development. This study investigated member commitment, group cohesion and membership retention in agricultural production cooperatives. The main aim was to identify possible practical measures for enhanced performance and increased sustainability in farmer organizations. Data was collected from 92 participants that were currently operating as cooperative members. A combination of descriptive statistics, Perceived Cohesion (PC) and Binary Logistic Regression methods were employed for analysis. Results of the study indicate that group cohesion is influenced by trust among members, internal communication, financial performance of the cooperative, involvement of members in decision making, and role of the organization in the community. Strategies for increased group cohesion that were recommended in the study include information sharing and transparency at all levels of operation, and collective decision making and planning in organizations.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,927
Score d'incertitude au seuil0,347

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 savante0,0000,002
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 Opus0,030
Tête enseignante GPT0,230
Écart entre enseignants0,199 · 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'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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetCooperative Studies and EconomicsTravaux en français237 207