Modeling the Adoption of Aquaculture Technologies among the Members of 4-H Club Youth
Notice bibliographique
Résumé
Aquaculture farming in the country Philippines has played a vital role concerning employment and food security for every Filipino. This article aimed to look into a piece of information that explicate the factors of aquaculture technology adoption among the 4-H club youth members. The study uses primary data gathered from selected members of 4-H club youth in Southern Leyte, Philippines. Standard descriptive measures were calculated to characterize and describe the collected information and a statistical model were engaged to capture the significant predictors of the adoption of aquaculture technologies among youth. Results revealed that there are only a few (10.17%) of the youth members are adopting aquaculture technology. The members are neutral on their perception of aquaculture technology concerning complexity, economically viable, and environmentally safe. In addition, they disagree on the compatibility and minimal risk of the said technology. The regression model reveals that older adults (p-value<0.1), males (p-value<0.1), and higher income (p-value<0.05) are more likely to adopt the technology. The inverse effect from 4-H coordinator influence (p-value<0.05) and environmental safety characteristics (p-value<0.1) was found in the model regarding adopting the technology. Moreover, youth members are likely to adopt the technology if it is economically viable (p-value<0.05) to them. Hence, it is concluded that if the technology is affordable and understood by the farmers, there is a strong likelihood that they will adopt it in their respective places. The study suggests that the local government must support and implement more training and workshop for aquaculture technology to encourage and educate more youth.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».