MétaCan
Menu
Retour à la cohorte
Enregistrement W4381614638 · doi:10.5430/rwe.v14n1p35

Study of the Economic Profitability of Soybean Production in the Collines Department in Benin: An Analysis Using the Direct Costing Method

2023· article· en· W4381614638 sur OpenAlexvenueno aff
Emile Aifa

Notice bibliographique

RevueResearch in World Economy · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProfitability indexProduction (economics)Activity-based costingIncentiveSubsidyBusinessAgricultureAgricultural economicsEconomicsAgricultural scienceMarketingFinanceGeographyMarket economyMicroeconomicsEnvironmental science

Résumé

récupéré en direct d'OpenAlex

In the Collines department in Benin, soybean cultivation is an important agricultural activity that contributes significantly to economic growth. Its production engages various groups of producers and, to do this, its economic evaluation is essential to sustain its development. However, for several years, the development of departmental production has been characterized by a lackluster trend, despite the incentives and signals sent out by the market. Using data collected from a sample of 120 producers chosen at random in the said department, this study assessed, using an approach based on direct costing, the economic profitability of soybean production, and identified the determinants of its improvement based on a logit model. The results obtained show that the activities of the different groups of producers in the study area are economically profitable to varying degrees; and the factors identified as explaining the improvement of this profitability are: the economic situation, climatic and meteorological conditions and rural roads. To this end, as an implication of economic policies, this study suggests that the State play its part as arbiter on the market and contribute to the maintenance of rural roads. In addition, strategies must be developed to deal with climatic challenges, such as irregular rainfall.

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)0,010
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,175
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,005
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,159
Tête enseignante GPT0,402
Écart entre enseignants0,244 · 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.

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 revueResearch in World EconomyMême sujetAgriculture and Rural Development ResearchTravaux en français237 207