MétaCan
Menu
Retour à la cohorte
Enregistrement W4205303550 · doi:10.18472/sustdeb.v12n3.2021.40323

Complex innovations in agriculture, environment, and health – the perceptions of rice farmers in the Jequetepeque Valley, Peru

2021· article· en· W4205303550 sur OpenAlexfundno aff
Renata Távora, José Augusto Drummond, Alain Santandreu, Anita Luján, Ernesto Ráez-Luna, Ester Montalvan, Elena Ogusuko, Frédéric Mertens

Notice bibliographique

RevueSustainability in Debate · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental and Cultural Studies in Latin America and Beyond
Établissements canadiensnon disponible
Organismes subventionnairesMinisterio de SaludCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorInternational Development Research Centre
Mots-clésAgricultureSustainabilityBusinessSocioeconomic statusEnvironmental planningIrrigationNatural resource economicsAgricultural economicsGeographyEnvironmental healthEconomicsMedicineAgronomy

Résumé

récupéré en direct d'OpenAlex

The increased use of water in irrigated rice monocultures in the Jequetepeque Valley, on the northern coast of Peru, has exacerbated environmental, socioeconomic and health problems. The Alternate Wetting and Drying (AWD) irrigation technique aims to increase water management efficiency in rice cultivation. The objective of the present article is to understand farmers’ perceptions about the benefits and risks of implementing AWD. Data from interviews with 319 farmers showed that they recognise nine interactions between AWD's economic, environmental and health aspects but prioritise economic factors when assessing its benefits. We also identified the main channels and spaces of communication and debate on issues related to agriculture and health that are likely to be effective in promoting the diffusion of AWD. The study demonstrated the relevance of integrated actions to encourage the adoption of agricultural innovations which consider the interactions between environmental sustainability, health issues, and producers' economic priorities.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
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
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,003
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
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 Opus0,016
Tête enseignante GPT0,271
Écart entre enseignants0,255 · 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'étudeQualitatif
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainability in DebateMême sujetEnvironmental and Cultural Studies in Latin America and BeyondTravaux en français237 207