MétaCan
Menu
Retour à la cohorte
Enregistrement W4318240316 · doi:10.25130/tjas.19.3.12

Comparison of The Change in Total Agricultural Productivity Between the Groups of Developing and Developed Countries Using the Malmquist Method for The Period (1990-2017)

2019· article· en· W4318240316 sur OpenAlexaboutno aff
Salem Al Nuaimi, Amina Al Elah, Aswan Abdel Qader Zaidan

Notice bibliographique

RevueTikrit Journal for Agricultural Sciences · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Trade and Competitiveness
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProductivityDeveloping countryAgriculturePeriod (music)Agricultural economicsAgricultural productivityMalmquist indexEconomicsTotal factor productivityGeographyEconomic growthPhysics

Résumé

récupéré en direct d'OpenAlex

The economic disparity between developed and developing countries, and the gap between them, which were and still represent the interest of specialists and change in total agricultural productivity (TFP) is one of the most important measures of comparison to find out this difference. Therefore, the research aims at achieving a set of goals which, in aggregate, constitute an agricultural policy related to measuring the growth in total agricultural productivity (TFP) for both developing and developed countries (Jordan, Saudi Arabia, Canada, Australia) DEAP data Growth in total agricultural productivity in developing countries (Jordan, Saudi Arabia) declined by an average of (0.45 , 0.59)% respectively compared to developed countries (Canada, Australia) which reached (0.82 , 0.88)% respectively. The study has a set of conclusions, the most important being the low capacity Competitiveness in most developing countries and low production and low quality may be due to high costs resulting from high input production prices. Therefore, the study recommends optimal utilization of human, natural and financial resources to increase productivity in agriculture, which is the main input in the development of the agricultural sector of these countries.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,055
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
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 Opus0,104
Tête enseignante GPT0,342
Écart entre enseignants0,238 · 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.

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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTikrit Journal for Agricultural SciencesMême sujetGlobal Trade and CompetitivenessTravaux en français237 207