SCIENTIFIC AND PRACTICAL JUSTIFICATION OF THE SHORT-TERM LEASE OF AGRICULTURAL MACHINERY
Notice bibliographique
Résumé
He paper presents a scientific and practical justification of the possibilities of short-term lease (rental) of agricultural machinery. (Research purpose) The research purpose is analyzing the provision of agricultural machinery to the agro-industrial complex and to reveal the essence of the problem of organizing a mechanism for short-term rental of agricultural machinery. (Materials and methods) Indicated that the technical equipment of the agro-industrial complex remains at the level of 60-65 percent of the regulatory requirement to date. According to the Department of Crop Production, Mechanization, Chemicalization and Plant Protection of the Ministry of Agriculture of the Russian Federation, as of January 1, 2020, the need to purchase only energy-saturated agricultural machinery is: tractors 70 thousand, combine harvesters 38 thousand, forage harvesters 3 thousand. The use of the mechanism of short-term lease of agricultural machinery will improve the provision of equipment, especially during periods of intense agricultural work (sowing, harvesting). (Results and discussion) The analysis and calculations of economic efficiency have shown the possibility of using this type of replenishment of the machine and tractor fleet for all categories of agricultural producers. It will be of interest in terms of financial costs (rent), tax and depreciation benefits during the operation of short-term lease of agricultural machinery. (Conclusions) As a result of the conducted research, it was concluded that the organization of short-term rental (rental) of agricultural machinery in the agro-industrial complex of Russia, especially in the face of large-scale economic sanctions from the EC countries, the USA and Canada, will serve as an effective measure to ensure the machine and tractor fleet.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,012 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,006 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».