Profiling of Plant Clinic Users
Notice bibliographique
Résumé
It is estimated that 26% to 40% of the world's potential crop production is lost each year because of weeds, pests and diseases (OECD-FAO, 2012).Unfortunately, the limited use of crop protection practices, coupled with the changing climate (risk of new pest introductions) and increasing trade in a globalized world (risk of pests moving across borders and regions) are likely to exacerbate this situation.The CABI-led Plantwise programme is contributing to global efforts to mitigate losses from crop health problems and improve rural livelihoods by helping farmers in over 30 countries to lose less of their crops.A key component of the Plantwise programme is the establishment of plant clinics, which are meeting places (mostly operating regularly near local markets) where farmers who are struggling with plant pests and diseases can send samples of their 'sick' crops for diagnosis and plant health advice.Based on the need to understand which types of farmers plant clinics are currently reaching, this study was conducted with the objective of profiling plant clinic users.Profiling the plant clinic users can be helpful in any attempt to prioritise and target farmers with certain characteristics that align with the objectives of Plantwise. Highlights• The purpose of this study is to understand the types of farmers Plantwise is currently reaching so as to inform decisions on whether to focus or change methods to reach a particular profile of farmers.• The study is based on available Plantwise-related socio-economic survey datasets.• Characteristics of a typical household that visit plant clinics include middle-aged male head of household with low education attainment, small land holdings with secure tenure, low asset accumulation, limited off-farm employment opportunities, and low participation in farmer group activities.• Compared with other farmers in similar environments (i.e., non-clinic users), plant clinic users are relatively "asset-rich" and are slightly better educated.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».