MétaCan
Menu
Retour à la cohorte
Enregistrement W4417318544 · doi:10.51532/meyve.1725484

Mardin İlinde Yetiştirilen Üzüm Çeşitleri ve Güncel Kullanım Eğilimlerinin Analizi

2025· article· W4417318544 sur OpenAlexaboutno aff
Veysi Acıbuca, İshak Bayyiğit

Notice bibliographique

RevueMeyve Bilimi · 2025
Typearticle
Langue
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural and Rural Development Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)Subject (documents)Statistical analysis

Résumé

récupéré en direct d'OpenAlex

Bu çalışma, Mardin iline bağlı Artuklu, Midyat, Mazıdağı ve Ömerli ilçelerinde yürütülen bağcılık faaliyetlerine odaklanarak, üreticilerin sosyo-ekonomik yapılarını belirlemeyi ve ilde yetiştirilen üzüm çeşitlerinin tanımlanmasını sağlayarak bu çeşitlerin değerlendirilme biçimlerinin analiz edilmesini amaçlamaktadır. Araştırmada tabakalı tesadüfi örnekleme yöntemi kullanılarak 136 üretici ile yüz yüze yapılan anketlerden elde edilen birincil veriler kullanılmıştır. Araştırma bulguları, bölgede 27 farklı üzüm çeşidinin yetiştirildiğini ve bunların özellikle Mezrone, Zeyti, Raşegurnik ve İmsebbek gibi yerel türler etrafında yoğunlaştığını göstermektedir. Üzümlerin %35.2’si pekmez, pestil ve benzeri ürünler için, %17.2’si şarap üretimi için, %12.3’ü sofralık olarak ve %3.2’si kurutmalık olarak değerlendirilmektedir. Şaraplık üzüm oranının ulusal ortalamanın üzerinde olması, bölgenin artan turizm ve yerel ürün talebiyle şekillenen üretim dinamiklerine işaret etmektedir. İşletme büyüklüğü arttıkça şaraplık ve işlenmiş ürünlere yönelim artarken, küçük işletmelerde üretim daha çok aile tüketimine dayalıdır. Elde edilen bulgular, yerel üzüm çeşitlerinin sadece tarımsal değil, aynı zamanda kültürel ve ekonomik açıdan da önemli bir kaynak olduğunu göstermektedir. Bu çerçevede çalışma, bölgeye özgü üzüm türlerinin korunması, kayıt altına alınması ve katma değerli ürün zincirlerine entegrasyonu için öneriler sunmakta; sürdürülebilir kırsal kalkınma, gıda kimliği ve yerel üretim modelleri bağlamında özgün bir katkı sağlamaktadır.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,017
Tête enseignante GPT0,261
Écart entre enseignants0,244 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMeyve BilimiMême sujetAgricultural and Rural Development ResearchTravaux en français237 207