Technical Efficiency of Local Rice Farming in Tidal Swamp Areas of Central Kalimantan, Indonesia: Determinants and Implications
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Rice, as a staple food of Indonesia, is facing increasing demand while its availability stagnates due to the conversion of agricultural land in Java.This study explores a strategy to counteract this shortfall by accelerating rice production in non-Java tidal swamp areas.A key challenge in this context is to enhance the technical efficiency of local rice farming.Conducted in 2021 in the Kapuas and Pulang Pisau districts of Central Kalimantan province, Indonesia, this study aims to quantify the technical efficiency of local rice farming in these tidal swamp areas and identify factors contributing to its inefficiency.Empirical data were collected through surveys and focused group discussions, and subsequently analyzed using stochastic frontier production.The findings suggest that the average technical efficiency level is 0.58, albeit with variations across villages, ranging from 0.45 to 0.71.It was found that the size of landholding, the use of pesticides, labor, and harvesting tools have a significant positive impact on rice production.On the other hand, inefficiency is influenced by factors such as the number of household members aged 15 or above, education level, and the proportion of total household income derived from rice farming.These insights are valuable for policymakers and program planners aiming to improve the efficiency of rice farming in tidal swamp environments.It is recommended that government programs focus on the prerequisites for tidal farming, specifically water management infrastructures.Additionally, the application of locationspecific technology may enhance the productivity of local rice varieties in tidal swamps.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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) | 0,000 | 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 découle