MétaCan
Menu
Retour à la cohorte
Enregistrement W4401153774 · doi:10.35891/agx.v15i1.4469

Sustainable cassava commodity agribusiness system in East Lampung Regency

2024· article· en· W4401153774 sur OpenAlexaff
Zulkarnain, Soni Isnaini, Maryati Maryati

Notice bibliographique

Revueagromix · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCassava research and cyanide
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésAgribusinessCommodityAgricultural scienceBusinessAgricultural economicsAgroforestryGeographyEconomicsAgricultureEnvironmental scienceFinance

Résumé

récupéré en direct d'OpenAlex

Introduction: The agribusiness system is a series of sustainable business management from upstream to downstream. Cassava farming is one of the strategic food crops that supports the national economy. Increasing cassava commodities cannot be separated from implementing an effective and efficient agribusiness system. The research aims to examine the sustainable cassava commodity agribusiness system in East Lampung Regency. Methods: The total population of cassava farmers in East Lampung Regency is 478 farmers. The sampling technique refers to the Sugiarto formula so 48 cassava farmers were obtained using a simple random sampling technique. Data analysis is 1) procurement of production facilities using a Likert scale, 2) farming using income analysis, 3) processing using added value, 4) marketing using marketing channels, marketing margins, and Farmer Share, and 5) Supporting institutional services. Results: Research results 1) Procurement of production facilities are in the category of being used. 2) cassava farming is profitable 3) processing cassava into tiwul products provides added value. 4) marketing of fresh and processed cassava is included in efficient marketing, and 5) supporting institutions have not contributed to cassava commodities. Conclusion: The cassava commodity agribusiness system has been established but the supporting services are not yet running well, so it is necessary to develop integrated agribusiness institutions.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,021
Tête enseignante GPT0,235
Écart entre enseignants0,214 · 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'étudeObservationnel
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueagromixMême sujetCassava research and cyanideTravaux en français237 207