MétaCan
Menu
Retour à la cohorte
Enregistrement W4312132087 · doi:10.1016/j.heliyon.2022.e12591

The need for alternative pest management methods to mitigate risks among cocoa farmers in the Volta region, Ghana

2022· article· en· W4312132087 sur OpenAlexfundno aff
Michael Miyittah, Richard K. Kosivi, Samuel Kofi Tulashie, Maxwell N. Addi, Josephine Y. Tawiah

Notice bibliographique

RevueHeliyon · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCocoa and Sweet Potato Agronomy
Établissements canadiensnon disponible
Organismes subventionnairesOntario Ministry of Food and Agriculture
Mots-clésIntegrated pest managementPEST analysisAgroforestryAgricultural scienceCrop managementPest controlBusinessAgricultureAgronomyBiologyMarketingEcology

Résumé

récupéré en direct d'OpenAlex

= 39.275, p < 0.000) and farmers' knowledge on alternative pest control methods. Farmers who relied on agrochemical shop services for pest control methods were 87% less likely to be knowledgeable on alternative pest control methods while those who considered degree of pest infestation in pest management were (OR = 1.150, p <0.008) more likely to be knowledgeable on alternative pest control methods. For the socio-cultural factors, Leklebi Kame (OR = 9.53-e 08, p < 0.000), Bla (OR = 0.280, p < 0.027) and Gbledi Chebi (OR = 0.287, p < 0.053) were less likely to be knowledgeable on alternative method of pest control compared to Kpedze. Fellow farmers and extension agents were the major sources of information on alternative pest control methods in the study area. Economic, technical, unavailability of labour, and farm implements were factors hampering adoption of alternative pest control methods in the study area. The most pesticide toxicological symptom reported was skin irritation and was recorded among majority of the farmers in Hohoe and Afadjato South districts where low knowledge and patronage of alternative pests control methods were identified. Awareness creation and capacity building programs should be organized through fellow farmers and extension agents on the need to reduce the use of chemical pesticide in pest management.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,941
Score d'incertitude au seuil0,543

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 ouverte0,0010,000
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 Opus0,051
Tête enseignante GPT0,308
Écart entre enseignants0,257 · 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'étudeAutre devis
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

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeliyonMême sujetCocoa and Sweet Potato AgronomyTravaux en français237 207