MétaCan
Menu
Retour à la cohorte
Enregistrement W4313649193 · doi:10.18280/ijsdp.170829

Determinants of Improving the Welfare of Fishermen's Households in the Coastal Areas of West Sumatera

2022· article· en· W4313649193 sur OpenAlexvenueno aff
Gushendri, Hasdi Aimon, Sri Ulfa Sentosa

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWelfareFishingDistribution (mathematics)Value (mathematics)Fish <Actinopterygii>FisheryStructural equation modelingProduction (economics)Government (linguistics)BusinessAgricultureEconomicsSocioeconomicsNatural resource economicsGeographyMathematicsMicroeconomicsStatistics

Résumé

récupéré en direct d'OpenAlex

This study aims to model the welfare of fishermen's households in the coastal area of West Sumatra which is determined by the socio-cultural environment, catches and added value of 373 fishing households with fishing gear by using Partial Least Squares Structural Equation Modeling (PLS-SEM) approach. The contribution of this research lies in the concept of the socio-cultural environment in improving the welfare of fishermen's households through the catch and added value that has been ignored by previous researchers. The results of the study found that the fisherman household welfare model can be achieved through strengthening added value. This study suggests to the government to increase the added value of fishery products through the added value obtained from the difference between the selling price and the cost of materials or other supplies from fishing activities, fish farming, fish handling, fish processing, and distribution in a production process. Furthermore, this study suggests to further researchers to involve the study of the physical environment such as natural conditions as a determinant of the welfare of fishermen's households.

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)0,003
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 enseignants0,352
Score d'incertitude au seuil0,205

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
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 savante0,0000,000
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 Opus0,018
Tête enseignante GPT0,264
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.

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'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Development and PlanningMême sujetSMEs Development and Digital MarketingTravaux en français237 207