MétaCan
Menu
Retour à la cohorte
Enregistrement W4327996513 · doi:10.5281/zenodo.7755350

Advancing Participatory Technology Development: Case Studies on Integration into Agricultural Research, Extension and Education

2003· book· en· W4327996513 sur OpenAlexfundno aff
Chesha Wettasinha, L. van Veldhuizen, Ann Waters‐Bayer

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2003
Typebook
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueDiverse Educational Innovations Studies
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Human Resource DevelopmentInternational Fund for Agricultural DevelopmentConsortium of International Agricultural Research CentersWorld Agroforestry CentreEuropean CommissionOverseas Development InstituteInternational Development Research CentreCentre de Coopération Internationale en Recherche Agronomique pour le DéveloppementUnited Nations Development ProgrammeĐại học HuếKentucky Agricultural Experiment Station
Mots-clésExtension (predicate logic)Citizen journalismAgricultureParticipatory action researchAgricultural extensionResearch developmentParticipatory developmentPolitical scienceGeographyComputer scienceEconomic growthEconomicsBiologyEcology

Résumé

récupéré en direct d'OpenAlex

This book brings together 12 cases from different corners of the world that were prepared for the "Advancing Participatory Technology Development" (Advancing PTD) study initiated by the International Institute of Rural Reconstruction (IIRR) in the Philippines and ETC Ecoculture in the Netherlands. The present book includes a selection of 12 selected cases of "institutionalising" PTD<br> approaches in Africa, Asia and Latin America. The term "institutionalisation" refers to<br> integrating PTD into the day-to-day operations, decision-making and culture not only<br> of large formal institutions of agricultural research, extension, development and<br> education, but also of NGOs, farmer organisations and artisan associations. All of these studies were originally written for the workshop in 2001. In some but not all cases, the authors were able to update the cases by reporting on developments in the ensuing two years.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,400
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0050,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,107
Tête enseignante GPT0,317
Écart entre enseignants0,209 · 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'étudeSans objet
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

Citations7
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetDiverse Educational Innovations StudiesTravaux en français237 207