MétaCan
Menu
Retour à la cohorte
Enregistrement W4362529663 · doi:10.5539/sar.v12n1p61

Banana Farm Workers’ Preference of an Access to Health Care and Education: A Conjoint Analysis

2023· article· en· W4362529663 sur OpenAlexvenueno aff
Francis Evan L. Manayan

Notice bibliographique

RevueSustainable Agriculture Research · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConjoint analysisCertificationPreferenceMarketingBusinessHealth careEconomicsEconomic growthManagement

Résumé

récupéré en direct d'OpenAlex

In lieu of a concrete living wage calculation for Kapatagan Banana Growers Cooperative (A Cavendish banana grower in Barangay Kapatagan, Digos City) in their conformance to the Rainforest Alliance Standard certification program, this study determined the farm workers’ preference of an access to health care and education program. Conjoint analysis was used in determining the highly preferable attributes among 259 respondents. Through literature and farm records review, the four attributes are formulated: (1) frequency of medical mission, (2) health awareness topics, (3) provision of annual school supplies, and (4) educational information drives. The results revealed that the educational information drive has the highest utility value in which respondents prefer topics on climate change, carbon footprints reduction and waste management. The second variable with the highest utility value is the frequency of medical mission wherein respondents prefer to have it in a semi-annual basis. School supplies came out to be the third in rank (provision of writing materials and books) and the attribute on health awareness value (topics on AIDS/HIV, Tuberculosis and Hepatitis prevention) came out with the lowest utility. Based on the result, the study recommends that the issue on living wage shall not be taken by cooperatives or employers into something that is within the liability concept but rather a responsibility which involves continuous communication and immersion to come up with more appropriate services’ attributes.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,053
Tête enseignante GPT0,423
Écart entre enseignants0,370 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetGlobal Maternal and Child HealthTravaux en français237 207