MétaCan
Menu
Retour à la cohorte
Enregistrement W4237762131 · doi:10.1079/cabicomm-25-8082

Mobile services: bridging the agricultural knowledge gap

2019· report· en· W4237762131 sur OpenAlexfundno aff
Charlotte Day

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineComputer Science
ThématiqueICT in Developing Communities
Établissements canadiensnon disponible
Organismes subventionnairesAustralian Centre for International Agricultural ResearchAgriculture and Agri-Food CanadaMinistry of Agriculture of the People's Republic of ChinaDepartment for International DevelopmentGovernment of the United Kingdom
Mots-clésBridging (networking)AgricultureBusinessComputer scienceKnowledge managementGeographyComputer security

Résumé

récupéré en direct d'OpenAlex

One in three people in the developing world suffer from 'hidden hunger', or micronutrient deficiency, due to a lack of information on proper nutrition. This is a major cause of illness, poor growth, reduced productivity and impaired cognitive development. To help combat the problem, CABI and its partners developed content for multiple mobile-phone based messaging services during a three year mNutrition initiative, which aimed to increase knowledge of nutrition, health and agriculture in 12 countries across Africa and Asia. As lessons were learnt about content management processes, content was also delivered to millions of farmers through Mobile Network Operator (MNO)-led, content driven services, delivering agriculture or health information. This case study presents lessons from all 12 countries and results of an impact assessment carried out by GSMA for six agriculture Value Added Services (VAS).

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 candidatesScience ouverte, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,117
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0060,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,051
Tête enseignante GPT0,296
Écart entre enseignants0,246 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetICT in Developing CommunitiesTravaux en français237 207