Revealing determinants that affects garlic production in Ethiopia using PRISMA methodology
Notice bibliographique
Résumé
AbstractToday, garlic productivity in Ethiopia is below its potential which is ranked 15 in the world. This is due to numerous determinants that affect garlic production. Therefore, the study’s main objective was to reveal and sum up determinants affecting garlic production in Ethiopia using PRISMA Method. Preferred reporting items for systematic review and meta-analysis checklist s1 table were employed. Universally accredited and indexed high-quality databases and university libraries; specifically, Scopus, PubMed, Science Direct, University of Toronto Library, and Google Scholar were used for retrieving published data (2000–2022). The titles “Garlic” and Ethiopia” were used to retrieve articles. “Microsoft Excel” was used to summarize results. The present study indicated that a total of 12,000 publications from Google scholar, and 51 publications from the University of Toronto library search engine published on the web of science and Scopus were used. A total of 51 publications were chosen as being the most suitable for this paper. Among the 51 publications, 86%, 6%, 6%, and 2% were articles, Newsletter articles, Text resources, and conference proceedings, respectively. Accordingly, a study revealed that the low production of this crop is due to information obtained via a systematic review discussed and categorized as institutional determinants (15.69%), farmers’ characteristics (9.8%), production and management practice (68.63%), and postharvest (5.88%). Institutional; production and management practices are of the major determinants negatively affecting garlic production in Ethiopia. Moreover, research limitations also were revealed. The recommendation of this paper is therefore not general, specifically, each factor has been recommended.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».