MétaCan
Menu
← Retour à la cohorte
Enregistrement W7106707641 · doi:10.7910/dvn/umr2oc

First round Dataset: Impacts of Improved Bean Technology on Smallholder Productivity and Food Security in Burundi

2025· dataset· W7106707641 sur OpenAlexaboutno aff

Notice bibliographique

RevueHarvard Dataverse · 2025
Typedataset
Langue
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFood securityContext (archaeology)ProductivityProduction (economics)Distribution (mathematics)Corporation

Résumé

récupéré en direct d'OpenAlex

In July-August 2019, CIAT-PABRA and ISABU collected household-level data in Burundi to evaluate a bean research project funded by Swiss Development corporation (SDC) and Global Affairs Canada. This was the first impact assessment for the project and analyzed the adoption of improved bean varieties and their effects on yields and food security, using farmer recall. For variety identification, the study combined farmer recall with DNA fingerprinting. However, the initial impact analysis in 2020 was based on farmer recall, as the DNA results were not available at the time of publication. Methodology:The data were collected by researchers who had good knowledge in French and kirundi and possessed extensive experience in bean production context of Burundi. The team trained for 5 days in the questions written in English. Prior to the actual survey, the questionnaires were translated from English into French, uploaded onto tablets and pretested on few selected farmers. A community questionnaire was administered to key informants (i.e. village leaders and elders) during the first round of the survey and gathered information on the village level variables including the institutional aspects, such as access to information, seed, seed distribution programs, credit, roads, and market infrastructure and cultivar changes, and agro-climatic shocks. Data for the entire impact assessment were collected in two rounds: • Round 1 (July-August 2019): Focused on farm characteristics, adoption of improved bean varieties, production data, and a 7-day recall of household food consumption. The dataset includes information at household, plot and village level. Data set were collected around six modules as follows: 1) Household & Location: Demographics, assets, housing, and social networks, 2) Agricultural Practices: Bean varieties, cultivation methods, inputs, harvests, and market factors, 3) Institutional environment: Access to institutional services and credit, 4) Gender: men and women access to information and food intake by women in reproductive age groups and children below 5 years, 5) Post harvest: utilization and marketing. 6) Preferences & Food Security: Bean trait preferences and food security indicators. • Round 2 (Nov-Dec 2019): Assessed food and nutrition security through detailed dietary intake recalls for women of reproductive age (24-hour) and the entire household (7-day). This data set will be published separately

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,103
Score d'incertitude au seuil0,205

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,005

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 Opus0,014
Tête enseignante GPT0,252
Écart entre enseignants0,238 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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 revueHarvard Dataverse→Travaux en français237 207→