MétaCan
Menu
Retour à la cohorte
Enregistrement W4410322218 · doi:10.47772/ijriss.2025.90400311

Implementation of ERP in Agriculture Industry in Sri Lanka

2025· article· en· W4410322218 sur OpenAlexaboutno aff
Shehan Silva

Notice bibliographique

RevueInternational Journal of Research and Innovation in Social Science · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueERP Systems Implementation and Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSri lankaAgricultureBusinessGeographyEnvironmental planningTanzania

Résumé

récupéré en direct d'OpenAlex

Sri Lanka is a country which is rich in fresh healthy soil and nutrients that may support any type of plant, even if it is tossed carelessly. Sri Lanka is currently undergoing a massive economic crisis that no one has ever seen before in its history. Lack of influence and a lack of attention to arable lands are two of the most important factors. Sri Lanka spends more US dollars per year on rice, dhal, and other staple foods. Nonetheless, Sri Lanka has sufficient resources as a nation to endure this circumstance. As students born in Sri Lanka, we have a responsibility to develop innovative approaches in which the Sri Lankan government may take the lead. Being able to study in Japan has offered ample motivation to boost agricultural productivity all around the world. Japan, New Zealand and Canada are countries that employ technology to meet its manufacturing goals in a fraction of a second. They now have access to ICT expertise, which has resulted in increased efficiency in their agriculture industry. Yield optimization, addressing labor shortages, meat alternative research, real-time risk management along the supply chain, assurance of the quality of food with traceability, ensuring food security by locating and isolating disease outbreaks in animals and plants, waste reduction within the supply chain, biosecurity, conversion efficiency on farm linked to AI are all areas that are thought to benefit, if not transform, from the use of AI in agriculture. If the appropriate effort is made, this new combination can be adapted to the Sri Lankan setting. The technical improvements in the agricultural fields were researched in this study by a rigorous review of the literature, interviews with farmers in ascending hierarchies, and field observations. Furthermore, agricultural firms that have adopted ERP will be chosen for the purpose of data collection to improve agricultural productivity. This information will be disseminating among Sri Lankan farmers and other responsible authorities in future.

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)0,004
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 enseignants0,158
Score d'incertitude au seuil0,351

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,006
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,080
Tête enseignante GPT0,492
Écart entre enseignants0,412 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Research and Innovation in Social ScienceMême sujetERP Systems Implementation and ImpactTravaux en français237 207