MétaCan
Menu
Retour à la cohorte
Enregistrement W4294833207 · doi:10.1111/1467-8489.12491

Adaptability and variety adoption: Implications for plant breeding policy in a changing climate

2022· article· en· W4294833207 sur OpenAlexaffabout
Mohammad Torshizi, Richard Gray

Notice bibliographique

RevueAustralian Journal of Agricultural and Resource Economics · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Innovations and Practices
Établissements canadiensUniversity of SaskatchewanUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAdaptabilityVariety (cybernetics)Climate changeVolatility (finance)BusinessEconomicsMarketingBiologyMathematicsEconometricsEcologyStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract Adaptability of a seed variety to a wide range of environmental conditions is important in farmers' variety adoption decisions, especially with the increased environmental volatility induced by climate change. Despite the apparent need for information, variety trial reports generally report average relative yields, but they do not provide farmers with measures of variety adaptability. Our theoretical model postulates that the adaptability of seed varieties matters in farmers' variety adoption choices. To test this conjecture, and to measure the magnitude of the effect, we develop a new measure of variety adaptability and estimate an empirical model of adoption in Western Canada. We find that a 1% increase in the adaptability of a variety will increase its adoption by 0.45%. This effect is statistically and economically significant. Our results imply that adding a measure of variety adaptability to crop variety guides could enhance the adoption of superior crop varieties, benefiting both farmers and breeders.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,442
Score d'incertitude au seuil0,485

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 technologies0,0010,000
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 Opus0,047
Tête enseignante GPT0,249
Écart entre enseignants0,202 · 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'étudeObservationnel
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

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAustralian Journal of Agricultural and Resource EconomicsMême sujetAgricultural Innovations and PracticesTravaux en français237 207