MétaCan
Menu
Retour à la cohorte
Enregistrement W7134972748 · doi:10.5281/zenodo.18946085

Improving Post-Harvest Handling to Minimise Fruit and Vegetable Losses in Côte d'Ivoire: An Agricultural Perspective

2012· article· en· W7134972748 sur OpenAlexaff
Amadou Ba, Mariama Coulibaly, Seyni Diabré

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Waste Reduction and Sustainability
Établissements canadiensInstitute on Governance
Organismes subventionnairesnon disponible
Mots-clésAgricultureYield (engineering)Perspective (graphical)Statistical analysisWork (physics)Field (mathematics)Field trial

Résumé

récupéré en direct d'OpenAlex

The post-harvest handling of fruits and vegetables in Côte d'Ivoire is often inefficient, leading to significant losses. Agricultural field surveys were conducted with local farmers and extension workers to gather data on current handling methods. A statistical model was developed to predict the impact of improved handling practices on loss reduction. Field studies showed that a structured cooling system reduced losses by approximately 20% compared to traditional storage methods, indicating significant potential for loss minimization. Improved post-harvest handling can significantly reduce fruit and vegetable losses in Côte d'Ivoire, with the most effective strategy being the implementation of controlled temperature storage systems. Local authorities should promote the adoption of controlled cooling systems to farmers through training programmes and subsidies. Farmers are advised to implement these practices to maximise yield and quality. The empirical specification follows $Y=\beta_0+\beta^\top X+\varepsilon$, and inference is reported with uncertainty-aware statistical criteria.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,535
Score d'incertitude au seuil0,949

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,027
Tête enseignante GPT0,236
Écart entre enseignants0,210 · 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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetFood Waste Reduction and SustainabilityTravaux en français237 207