Developing a Sustainable Beef Cattle Business Model for Smallholder Farms in South Kalimantan's Drylands
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
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.
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 | 0,001 | 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