MétaCan
Menu
Retour à la cohorte
Enregistrement W6947906054 · doi:10.48336/d9gd-4716

Design requirements for an online data exchange platform to bridge the gap between farmers and researchers in India

2022· article· en· W6947906054 sur OpenAlexaff

Notice bibliographique

RevueMemorial University Research Repository (Memorial University) · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueResearch Data Management Practices
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésBridge (graph theory)Transparency (behavior)AgricultureWork (physics)Information exchangeGovernment (linguistics)

Résumé

récupéré en direct d'OpenAlex

The rising awareness of information transparency and the increasing trend of citizen participation in the agriculture sector has created new opportunities for information sharing. There are numerous information resources available for farmers from private, government sources and industry stakeholders. There are also various farm surveys by which farmers contribute towards the agricultural sector. However, no such platform connects farmers and researchers in which data exchange happens simultaneously between them. This gap in information exchange contributes to slow growth in the advancement of the agricultural sector. Research results do not reach the end-users in time to adopt agricultural improvement practices. Often researchers do not get the opportunity to engage and encourage farmers to be citizen scientists to contribute to the research. In this thesis, we develop design requirements for an online web-based prototype data exchange platform to bridge the gap between researchers and farmers. The platform can serve as a way to build farmers’ trust in researchers and encourage them to contribute more towards agricultural research to develop the sector. We believe that the findings of this study will prove helpful to interface designers and researchers to inform and guide future work in this critical area.

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)0,012
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Science ouverte
Catégories consensuellesCommunication savante, Science ouverte
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,643
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0030,000
Communication savante0,0010,018
Science ouverte0,0140,020
Intégrité de la recherche0,0000,001
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 Opus0,510
Tête enseignante GPT0,403
Écart entre enseignants0,107 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMemorial University Research Repository (Memorial University)Même sujetResearch Data Management PracticesTravaux en français237 207