MétaCan
Menu
Retour à la cohorte
Enregistrement W7117482723 · doi:10.3390/su18010298

Quality Assessment of Farmer-Led Vermicompost Production in Semi-Arid Agroecosystems: Compliance with Global Standards

2025· article· en· W7117482723 sur OpenAlexaboutno aff
Fevziye Şüheda Hepşen Türkay

Notice bibliographique

RevueSustainability · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueComposting and Vermicomposting Techniques
Établissements canadiensnon disponible
Organismes subventionnairesAhi Evran Üniversitesi
Mots-clésVermicompostProduction (economics)AgroecologyBiomass (ecology)Quality (philosophy)Process (computing)Citizen journalism

Résumé

récupéré en direct d'OpenAlex

This study evaluates the technical feasibility of decentralized vermicompost production by smallholder farmers within a structured rural development program. Conducted under the KOP-TEYAP initiative in Kırşehir Province, Türkiye, the research assesses whether farmers can consistently produce vermicompost that meets international quality standards following a participatory training and infrastructure support model. Fourteen farmers, selected through a merit-based process from 232 trainees, were provided with standardized production units. The produced vermicompost was analyzed for critical chemical parameters (pH, EC, organic matter, C:N ratio, K, Cu, Zn) and biological indicators (basal CO2 respiration, microbial biomass carbon) and benchmarked against regulations from the EU, France, Germany, Austria, Canada, India, and Türkiye. Results indicated that the majority of farmer-produced samples successfully met the critical thresholds for chemical quality and safety. Furthermore, biological maturity was confirmed by low basal respiration levels and high microbial biomass across the samples. These findings demonstrate that structured farmer training combined with standardized low-cost infrastructure enables smallholders to reliably produce high-quality vermicompost, validating this model as an effective agroecological strategy for rural 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 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)0,002
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,044
Score d'incertitude au seuil0,681

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,022
Tête enseignante GPT0,352
Écart entre enseignants0,330 · 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 revueSustainabilityMême sujetComposting and Vermicomposting TechniquesTravaux en français237 207