Eficiência técnica da produção de milho no estado de São Paulo: uma abordagem por metafronteira estocástica
Bibliographic record
Abstract
Resumo O presente artigo analisou a eficiência técnica da produção paulista de milho, empregando a metodologia de metafronteira estocástica, com base nos microdados do Levantamento Censitário das Unidades de Produção Agropecuárias do estado de São Paulo, realizado pela Secretaria de Agricultura e Abastecimento, para o ano-safra 2007/08 e informações de aptidão do solo, clima e relevo, utilizada para segmentar os produtores em grupos de alta, média e baixa aptidão. Os resultados das estimativas da eficiência técnica intragrupos revelaram diferenças significativas nos níveis de eficiência entre os produtores. Entretanto, a taxa média de diferença tecnológica foi próxima à unidade para todos os grupos de produtores, indicando que as diferenças na eficiência técnica observadas entre produtores com níveis distintos de aptidão estão mais relacionadas a questões institucionais e gerenciais da produção do que ao nível de tecnologia utilizada. Os grupos de produtores com maior média de metaeficiência técnica foram aqueles em áreas de média, alta e baixa aptidão, respectivamente. Os resultados mostram que políticas destinadas a aumentar a eficiência técnica e a reduzir o gap tecnológico das regiões de menor aptidão agrícola podem contribuir para o aumento da produtividade desta cultura no estado de São Paulo.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".