Developing a Sustainable Beef Cattle Business Model for Smallholder Farms in South Kalimantan's Drylands
Notice bibliographique
Résumé
South Kalimantan has great resource potential for the beef cattle business as an effort to reduce dependence on imported beef in Indonesia. This study aims to analyze environmental, economic, social and technological resources to build and recommend a sustainable beef cattle business model on dry land in South Kalimantan. The research used Partial Least Squares Structural Equation Modelling (PLS-SEM) and Cross-Impact Matrix Multiplication Applied to Classification (MICMAC) analysis on a survey of 110 respondents, which includes interviews and focus group discussions. PLS-SEM assesses the impact of environmental, economic, social, and technological factors, finding they contribute 40.1% to business sustainability and 48.4% to income. MICMAC identifies critical variables for sustainability, highlighting housing technology, disease and feed, and communication with extension agents as pivotal. The study suggests policies addressing these factors, emphasizing their importance in enhancing farmers' abilities and business sustainability. Capital, waste utilization, reproductive technology, and communication with research institutions are identified as regulatory variables crucial for sustaining the beef cattle business. This is important because housing technology, disease and influence on livestock productivity, and communication with extension workers are important to improve farmers' ability to carry out their business so that it is sustainable. These findings provide a foundation for informed policy formulation to develop a robust and sustainable beef cattle industry in South Kalimantan, reducing dependence on imported beef.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».