Factors influencing adoption of postharvest practices among underutilised indigenous vegetables producers in Southwest Nigeria
Notice bibliographique
Résumé
Summary Background of the study – The adoption of improved postharvest practices among poor rural Underutilised Indigenous Vegetable (UIV) households aimed at improving their nutritional status and welfare can be facilitated if the said postharvest techniques are understood in terms of the current practices and the factors influencing their adoption. Objectives – This study examines the factors that influence the adoption of postharvest practices of UIV farmers in Southwest Nigeria. Materials and methods – Secondary data was extracted from the “synergizing fertilizer micro-dosing and indigenous vegetable production to enhance food and economic security of West Africa” (the MICROVEG project) data bank, with a total of 627 respondents. Descriptive and the Poisson Count Regression was used to analyse the data. Results – The result revealed that adopters of postharvest practices were predominantly male producers and marketers of UIV who are married and preferred dewing and aeration. In addition, religion, household working class demography, marital status, distance to water, farm size and revenue significantly increase the number of postharvest methods adopted. Conclusion – Promoters of adoption of postharvest methods of preservation of UIVs could utilise adult social networks such as religious or other social groups as entry point to facilitate the adoption process and elucidate on the universal need for postharvest method of UIVs preservation irrespective of farm size to increase the revenue accruable to the producers.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».