Strategic resilience: Integrating scheduling, supply chain management, and advanced operations techniques in production risk analysis and technical efficiency of rice farming in flood-prone areas
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
Farmers face various risks such as production risks in the use of technology, pests, climate change and natural disasters. Farmers in disaster-prone areas have different responses depending on their behavior towards the risks posed. The main problem in this research is how farmers behave towards production risks due to flooding and the technical efficiency of rice farming in flood-prone areas. The aim of this research is to analyze farmers' behavior towards production risks due to flooding and the technical efficiency of rice farmers in flood-prone areas. The results of this research will provide important information for policy simulations that the government can implement towards farmers affected by natural disasters and for sustainable disaster mitigation strategies. The novelty of this research is that it combines two theories, namely risk behavior and agricultural technical efficiency in producing disaster mitigation strategies. The research location was determined purposefully in Pasuruan and Bojonegoro Regencies. The data in this research are primary and secondary data with the sample in this research being farmers. The sampling technique in this research is a multi-stage cluster sampling technique. The analysis method in this research uses Just Pope. and the Cobb-Douglas production function model with the Stochastic Production Frontier approach. The target of these research findings is a model of the types of behavior regarding the risks of farmers who are flood victims, as well as the level of technical efficiency of rice farming and the factors that influence it. The expected findings are policy recommendations regarding disaster mitigation from economic and agricultural risk aspects to create sustainable agriculture.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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