MétaCan
Menu
Retour à la cohorte
Enregistrement W3214526331 · doi:10.5267/j.dsl.2021.10.003

Planning rice cultivation in a large plot agricultural system

2021· article· en· W3214526331 sur OpenAlexvenueno aff
Montri Singhavara, Kamoltip Panyasit, Sakkarin Nonthapot

Notice bibliographique

RevueDecision Science Letters · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Systems and Practices
Établissements canadiensnon disponible
Organismes subventionnairesKhon Kaen University
Mots-clésAgriculturePaddy fieldAgricultural scienceResource (disambiguation)CropBusinessAgroforestryAgricultural economicsAgricultural engineeringGeographyAgronomyForestryEnvironmental scienceEconomicsComputer scienceBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

This research aimed to study the approach of the community toward the decision to grow rice and economic crops, including appropriate resource allocation for use on a farm under a large plot agricultural system. The study areas were in Phan district, Chiang Rai province, Thailand, and the data were collected from a sampling of 400 field agriculturalists. The method used was to develop a mathematical model for growing crops with multi-objectives and in multi-periods, together with an agriculturist representative and experts in multiple-criteria decision-making (MCDM). This was to prioritize the importance of alternative crops and find the appropriate allocation of the resources to achieve the targeted goal. The results showed that agriculturists prioritized most toward the criteria for growing Japanese rice with a weight of 0.179 Kg., followed by transplanted rice, transplanted glutinous rice, garlic, sown paddy rice, and sown glutinous paddy rice, respectively. The study’s results also showed that the price fluctuation of the crop products resulted in more use of land and labor in order to increase the production to compensate for the low price, and this also resulted in the higher opportunity cost of growing transplanted rice. Therefore, growing transplanted rice during in season planting was considered the most effective way, while during the off season, either garlic or Japanese rice could be grown. A collective pattern for planning for using resources together in large plot agricultural areas, together with a clear marketing target would bring about effective use of the resources and reduce the risk in revenue from the fluctuation in prices and uncertainty of yields from drought. Moreover, technology development to solve the problem of the lack of labor would be deemed an important approach toward the enhancement of the competitiveness of agriculturists in the future as well.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 GPT0,275
Écart entre enseignants0,245 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDecision Science LettersMême sujetAgricultural Systems and PracticesTravaux en français237 207