Cumhuriyet Döneminin İlk Yıllarında (1925-1929) Van İlinde Tarım ve Hayvancılık İstatistiklerinin Analizi
Bibliographic record
Abstract
Bu çalışmada devlet salnameleri, 1927 nüfus sayımı, sanayi sayımı ve tarım sayımı istatistikleri çerçevesinde, 1925-1929 döneminde Van merkezde ve ilçelerinde tarım-hayvancılık alanında yaşanılan faaliyetlerin bir değerlendirilmesi yapıldı. Şehirde ekimi yapılan tarımsal alanların miktarı, tahıl, baklagiller ve sanayi bitkileri kapsamında ekilen tohumların ve elde edilen ürünlerin cinsi, miktarı ve ekonomik değeri belirlendi. Ayrıca tarımsal faaliyetlerde kullanılan alet ve makinelerin sayısı tespit edildi. Van ili kapsamında ekonomik amaçlı olarak beslenilen çeki, kümes ve çiftlik hayvanlarının sayıları, bu hayvanlardan elde edilen ürünlerin miktarı ve hayvanların ekonomik değerleri tablo ve grafiklerle desteklenerek anlamlandırılmaya çalışıldı. Tarım-hayvancılık Van ilinin temel ekonomik faaliyetiydi. Nitekim 1927 yılı itibarıyla meslekleri tespit edilmiş nüfus içinde tarım-hayvancılık faaliyetleriyle uğraşanların oranı %78,23’tü. Aynı yıl verilerine göre şehir genelinde toplam 4243 adet tarım aleti ve makinesi, 11.744 çeki hayvanı, 21.982 kümes hayvanı ve 175.842 baş çiftlik hayvanı bulunmaktaydı. Çeki hayvanlarında ilk sırayı öküz, kümes hayvanlarında tavuk ve çiftlik hayvanlarında koyun almaktaydı. Tarımsal alanda da tahıl üretimi ilk sıradaydı. Buğday ve patatesin diğer ürünlere göre ekonomik değeri yüksekti.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.023 | 0.001 |
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".