Trend 1997 - 2014. Food and Agriculture Organization of the United Nations. Food and Agriculture Organization Statistics: Investment - Credit to Agriculture | Country: Canada | Item: Total Credit | Element: Value Local Currency - millions, 1997-2014. Data-Planet™ Statistical Ready Reference by Conquest Systems, Inc. Dataset-ID: 067-001-071.
Notice bibliographique
Résumé
Food and Agriculture Organization of the United Nations (2017). Food and Agriculture Organization Statistics: Investment - Credit to Agriculture | Country: Canada | Item: Total Credit | Element: Value Local Currency - millions, 1997-2014. Data-Planet™ Statistical Ready Reference by Conquest Systems, Inc. [Data-file]. Dataset-ID: 067-001-071. Dataset: Provides national data for over 100 countries on the amount of loans provided by the private/commercial banking sector to producers in agriculture, forestry and fisheries, including household producers, cooperatives, and agribusinesses. For some countries, the three subsectors of agriculture, forestry, and fishing are completely specified. In other cases, complete disaggregations are not available. The dataset also provides statistics on the total credit to all industries, indicators on the share of credit to agricultural producers, and an agriculture orientation index (the agriculture share of credit, over the agriculture share of GDP [Gross Domestic Product]). The time-series and cross-sectional data provided here are from the FAOSTAT database of the Food and Agriculture Organization of the United Nations. Statistics include measures related to the food supply; forestry; agricultural production, prices, and investment; and trade and use of resources, such as fertilizers, land, and pesticides. As available, data are provided for approximately 245 countries and 35 regional areas from 1961 through the present. The data are typically supplied by governments to FAO Statistics through national publications and FAO questionnaires. Official data have sometimes been supplemented with data from unofficial sources and from other national or international agencies or organizations. In particular, for the European Union member countries, with the exception of Spain, data obtained from EUROSTAT have been used. Category: Agriculture and Food, International Relations and Trade Source: Food and Agriculture Organization of the United Nations Established in 1945 as a specialized agency of the United Nations, the Food and Agricultural Organization’s mandate is to raise levels of nutrition, improve agricultural productivity, better the lives of rural populations, and contribute to the growth of the world economy. Staff experts in seven FAO departments serve as a knowledge network to collect, analyze, and disseminate data, sharing policy expertise with member countries and implementing projects and programs throughout the world aimed at achieving rural development and hunger alleviation goals. The Statistics Division of the Food and Agricultural Organization collates and disseminates food and agricultural statistics globally. http://www.fao.org/ Subject: Loans, Agricultural Production, Agriculture, Commercial Banks, Agricultural Development
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,022 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,070 | 0,066 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».