MétaCan
Menu
Retour à la cohorte
Enregistrement W4405259202 · doi:10.5267/j.dsl.2024.12.003

What motivates farmers’ decision to organic farming conversion: The case of conventional mango farming in Vietnam

2024· article· en· W4405259202 sur OpenAlexvenueno aff
Tiến Dũng Khổng, Bui Le Thai Hanh, Huynh Thi Dan Xua

Notice bibliographique

RevueDecision Science Letters · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Systems and Practices
Établissements canadiensnon disponible
Organismes subventionnairesBộ Giáo dục và Ðào tạo
Mots-clésAgricultureStratified samplingOrganic farmingInvestment (military)Descriptive statisticsLogitBusinessBinary logit modelAgricultural scienceMarketingEnvironmental economicsEconomicsStatisticsGeographyMathematicsEconometricsPoliticsEnvironmental science

Résumé

récupéré en direct d'OpenAlex

This research is aimed at analyzing perception and identifying determinants of the decision to convert to organic mango farming in Mekong Delta (MD) Vietnam. The research was conducted by using a direct survey data set from 109 household heads in this region collected by stratified random sampling method. The research method used was descriptive statistics and the binary Logit model. The research results revealed some interesting points. In the total observations gathered, only about half of households decided to convert, mainly due to local implementation and awareness of safety for consumers and environmental protection. Still, the most important reason for farmers to convert was to get a higher selling price. The binary Logit model analyzing the determinants found that the older the farmer, the more difficult it is to decide to convert. At the same time, training and enhancing awareness about organic farming will increase the probability of conversion decisions. Based on the research results, several relevant solutions on investment, production linkage, and propaganda to raise people's awareness were recommended, thereby increasing the probability of deciding to convert.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,064
Score d'incertitude au seuil0,127

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,022
Tête enseignante GPT0,280
Écart entre enseignants0,257 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDecision Science LettersMême sujetAgricultural Systems and PracticesTravaux en français237 207