MétaCan
Menu
Retour à la cohorte
Enregistrement W3160013538 · doi:10.1017/age.2021.9

Joint adoption of rice technologies among Bolivian farmers

2021· article· en· W3160013538 sur OpenAlexfundno aff
José María Torralba Martínez, Ricardo Labarta, Carolina González, Diana C Lopera

Notice bibliographique

RevueAgricultural and Resource Economics Review · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Innovations and Practices
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of CambridgeGovernment of CanadaJohn D. and Catherine T. MacArthur FoundationConsortium of International Agricultural Research CentersGovernment of the United KingdomEuropean CommissionBill and Melinda Gates Foundation
Mots-clésProductivityBusinessAgricultural machineryAgricultureProduction (economics)Emerging technologiesAgricultural productivityMarketingAgricultural economicsResource (disambiguation)Agricultural scienceEconomicsEconomic growthGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Bolivia has disseminated several improved technologies in the rice sector, but the average rice productivity in the country is far below the average trend in Latin America in recent years. Although the economic literature has highlighted the role of agricultural technology adoption in increasing agricultural productivity, gaps remain in understanding how rice growers are deciding to adopt and benefit from available improved rice technologies. Most previous adoption studies have evaluated the uptake of individual technologies without paying attention to the complementarities that alternative improved rice technologies may offer to farmers who face multiple marketing and production needs. This study uses data from a nationally representative sample of Bolivian rice growers to analyze farmers' joint decisions in adopting complementary agricultural technologies controlling for potential correlations across these decisions, as well as the extent of adoption of these practices. Evidence suggests that the decisions on multiple technology adoption are closely related, with common factors affecting both adoption and the extent of adoption. Furthermore, there is a need to better target resource-poor farmers, improve information-diffusion channels on agricultural practices, and better use existing farmers' organizations to enhance rice technology adoption.

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)0,000
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,770
Score d'incertitude au seuil0,224

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 GPT0,213
Écart entre enseignants0,187 · 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'étudeAutre devis
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgricultural and Resource Economics ReviewMême sujetAgricultural Innovations and PracticesTravaux en français237 207