MétaCan
Menu
Retour à la cohorte
Enregistrement W4390428145 · doi:10.22533/at.ed.216412402014

ALTERNATIVE AGRICULTURAL INSURANCE MODEL FOR CANOLA PRODUCERS (Brassica napus) OF LOW INCOME

2023· article· en· W4390428145 sur OpenAlexaboutno aff
Adriana Miranda-Medina, Rogel Fernando Retes Mantilla, Luis Alfonso Bonilla-Cruz

Notice bibliographique

RevueScientific Journal of Applied Social and Clinical Science · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Economics and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCanolaBrassicaAgricultureBusinessCrop insuranceAgricultural economicsAgricultural scienceAgronomyEconomicsEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Canola cultivation is recently introduced in Mexico.The National Institute of Forestry, Agricultural and Livestock Research (INIFAP) released the Testigo Hyola-401 variety with average yields of 2.5-3.0 tons/ha, lower than those produced by Canada.This crop is planted in the State of Mexico, Jalisco and Tamaulipas, and is an economic alternative for small producers, therefore, production and market must be ensured through agricultural insurance that offers protection against climatic risks and possible contingencies of the market.The present work proposed the calculation of a risk premium through the ordinary least squares methodology in canola cultivation, using the variables yield (REND) and Average Rural Price (PMR) in each producing area in the period 2000-2019.It is reported that the cost of the national premium projected for 2021 would be $3,503/ha with a yield of 1.5 ton/ha., for the State of Tamaulipas $2,070.82/hawith a yield of 0.8 t/ha; for the state of Hidalgo of $1,941.57/hawith a yield of 1.5 t/ha; for the State of Mexico of $1,499.63/hawith a yield of 2.3 t/ha; and, for the state of Jalisco, $1,486.90/ha with a yield of 1.6 t/ha.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,052
Tête enseignante GPT0,318
Écart entre enseignants0,266 · 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'étudeThéorique ou conceptuel
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 revueScientific Journal of Applied Social and Clinical ScienceMême sujetAgricultural Economics and PolicyTravaux en français237 207