Mapping Out Vibrant Agricultural Communities In The Aizawl District
Notice bibliographique
Résumé
Agriculture, however, continues to be the backbone of the Indian Economy. Significance of agriculture (though it contributes only 21 % to India’s GDP) in the country’s economic, social, and political fabric goes well beyond this indicator. The rural areas are still home to some 72 % of the India’s 1.25 billion people, many who are poor. Most of the rural poor depend on rain-fed agriculture and fragile forests for their livelihoods. The sharp rise in food grain production during India’s Green Revolution of the 1970s enabled the country to achieve self-sufficiency in food grains and stave off the threat of famine and food shortage. Agricultural intensification in the 1970s to 1980s also saw an increased demand for rural labour that raised rural wages and, together with declining food prices, reduced rural poverty. Agricultural growth since 1990s reduced rural poverty to 26.3 % by 1999-2000. Since then, however, the slowdown in agricultural growth has become a major cause for concern. India’s rice yields are one-third of China’s and about half of the yield in Vietnam and Indonesia. Except for sugarcane, potato and tea, the same is true for most other agricultural commodities. This requires a redefinition of agricultural efficiency at least in national context.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».