MétaCan
Menu
Retour à la cohorte
Enregistrement W4401257280 · doi:10.53555/sfs.v10i1.2936

Plan and Policies of Fisheries with reference to Jharkhand

2023· article· en· W4401257280 sur OpenAlexvenueno aff
Rabindranath Sarma

Notice bibliographique

RevueJournal of Survey in Fisheries Sciences · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFisheries and Aquaculture Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPlan (archaeology)FisheryBusinessEnvironmental planningGeographyEnvironmental resource managementEnvironmental scienceBiologyArchaeology

Résumé

récupéré en direct d'OpenAlex

Fisheries and aquaculture continue to be a significant source of food, nutrition, employment opportunities, and money for millions of people. As it is a best source of animal protein and is preferred by many Indians as it is the healthiest food to prevent malnutrition and hunger. This sector has an enormous potential to raise earnings and financial stability. Therefore, to increase the development of fishery sector in a sustainable, responsible and equitable manner, various policies and financial support is provided by the government. As, Jharkhand is a state rich in water resources which ultimately is a great source of fish production providing financial support to the rural people and others. So, this paper will make an attempt to draw the output of several schemes related to fishery production level in Jharkhand as well as in India. The present study purposefully selected the Jharkhand state of India and is based on secondary data where the information is collected from several government sites. In addition, appropriate graphs have also been presented to make the data more visible.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,024
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

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

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 Opus0,207
Tête enseignante GPT0,264
Écart entre enseignants0,057 · 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 tête enseignante, 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Survey in Fisheries SciencesMême sujetFisheries and Aquaculture StudiesTravaux en français237 207