論文の概要: Diagnosing Web Data of ICTs to Provide Focused Assistance in
Agricultural Adoptions
- arxiv url: http://arxiv.org/abs/2111.00052v1
- Date: Fri, 29 Oct 2021 19:24:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-02 16:49:24.150725
- Title: Diagnosing Web Data of ICTs to Provide Focused Assistance in
Agricultural Adoptions
- Title（参考訳）: 農業導入支援のためのICTのWebデータ診断
- Authors: Ashwin Singh, Mallika Subramanian, Anmol Agarwal, Pratyush
Priyadarshi, Shrey Gupta, Kiran Garimella, Sanjeev Kumar, Ritesh Kumar,
Lokesh Garg, Erica Arya, Ponnurangam Kumaraguru
- Abstract要約: 私たちは2008年に始まったICT-Digital GreenのWebインフラストラクチャに注力しています。
調査の結果,導入率の高い農家は短い期間の動画を取り入れ,小さな村落に属していることがわかった。
我々は、ビデオからのプラクティスの採用を予測問題としてモデル化し、各5州で採用の課題に直面している農夫を特定し、支援する。
- 参考スコア（独自算出の注目度）: 9.621466132073175
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The past decade has witnessed a rapid increase in technology ownership across
rural areas of India, signifying the potential for ICT initiatives to empower
rural households. In our work, we focus on the web infrastructure of one such
ICT - Digital Green that started in 2008. Following a participatory approach
for content production, Digital Green disseminates instructional agricultural
videos to smallholder farmers via human mediators to improve the adoption of
farming practices. Their web-based data tracker, CoCo, captures data related to
these processes, storing the attendance and adoption logs of over 2.3 million
farmers across three continents and twelve countries. Using this data, we model
the components of the Digital Green ecosystem involving the past
attendance-adoption behaviours of farmers, the content of the videos screened
to them and their demographic features across five states in India. We use
statistical tests to identify different factors which distinguish farmers with
higher adoption rates to understand why they adopt more than others. Our
research finds that farmers with higher adoption rates adopt videos of shorter
duration and belong to smaller villages. The co-attendance and co-adoption
networks of farmers indicate that they greatly benefit from past adopters of a
video from their village and group when it comes to adopting practices from the
same video. Following our analysis, we model the adoption of practices from a
video as a prediction problem to identify and assist farmers who might face
challenges in adoption in each of the five states. We experiment with different
model architectures and achieve macro-f1 scores ranging from 79% to 89% using a
Random Forest classifier. Finally, we measure the importance of different
features using SHAP values and provide implications for improving the adoption
rates of nearly a million farmers across five states in India.
- Abstract（参考訳）: 過去10年間、インドの農村部における技術所有の急速な増加を目の当たりにしており、ICTイニシアチブが農村部の家庭に力を与える可能性を示唆している。
私たちの研究では、2008年に始まったICT-Digital GreenのWebインフラストラクチャに焦点を当てています。
コンテンツ生産への参加的アプローチの後、Digital Greenは小作農の指導的農業映像を人的仲介者を通じて小作農に配布し、農業慣行の採用を改善する。
同社のWebベースのデータトラッカーCoCoは、これらのプロセスに関連するデータをキャプチャし、3大陸と12カ国の230万人以上の農家の参加と採用の記録を保存している。
このデータを用いて、農家の過去の参加適応行動、ビデオの内容、インドの5州における彼らの人口動態などのDigital Greenエコシステムの構成要素をモデル化する。
我々は統計検査を用いて、より高い採用率の農家を区別する異なる要因を特定し、彼らがなぜ他の農家よりも多く採用するのかを理解する。
調査の結果,導入率の高い農家は短い期間の動画を取り入れ,小さな村落に属していることがわかった。
農家のコ・アタクタンスとコ・アダプション・ネットワークは、同じビデオのプラクティスを採用することに関して、村やグループからの動画の過去の採用者から大きな恩恵を受けていることを示している。
分析の結果、ビデオからの実践の導入を予測問題としてモデル化し、各5州で採用の課題に直面している農夫を特定し支援する。
異なるモデルアーキテクチャを実験し,ランダムフォレスト分類器を用いて79%から89%までのマクロf1スコアを達成する。
最後に,shap値を用いて異なる特徴の重要性を測定し,インドの5州にまたがる百万近い農家の採用率の向上に寄与する。
関連論文リスト
- Agricultural Landscape Understanding At Country-Scale [7.978859577060083]
我々は、高解像度画像とUNetスタイルのセグメンテーションモデルを用いて、その種類の国規模のマルチクラスパノラマセグメンテーション出力の1つを生成する。
我々は151.7万ヘクタールにまたがる個別の畑を特定でき、水資源や植生などの重要な特徴を記述できる。
論文 参考訳（メタデータ） (2024-11-08T06:29:02Z) - Anticipatory Understanding of Resilient Agriculture to Climate [66.008020515555]
本稿では,リモートセンシング,深層学習,作物収量モデリング,食品流通システムの因果モデリングを組み合わせることで,食品のセキュリティホットスポットをよりよく識別する枠組みを提案する。
我々は、世界の人口の大部分を供給している北インドの小麦パンバスケットの分析に焦点をあてる。
論文 参考訳（メタデータ） (2024-11-07T22:29:05Z) - Generating Diverse Agricultural Data for Vision-Based Farming Applications [74.79409721178489]
このモデルは, 植物の成長段階, 土壌条件の多様性, 照明条件の異なるランダム化フィールド配置をシミュレートすることができる。
我々のデータセットにはセマンティックラベル付き12,000の画像が含まれており、精密農業におけるコンピュータビジョンタスクの包括的なリソースを提供する。
論文 参考訳（メタデータ） (2024-03-27T08:42:47Z) - HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using
Harvest Piles and Remote Sensing [50.4506590177605]
HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。
本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。
本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
論文 参考訳（メタデータ） (2023-08-23T11:03:28Z) - Empowering Agrifood System with Artificial Intelligence: A Survey of the Progress, Challenges and Opportunities [86.89427012495457]
我々は、AI技術がアグリフードシステムをどう変え、現代のアグリフード産業に貢献するかをレビューする。
本稿では,農業,畜産,漁業において,アグリフードシステムにおけるAI手法の進歩について概説する。
我々は、AIで現代のアグリフードシステムを変革するための潜在的な課題と有望な研究機会を強調します。
論文 参考訳（メタデータ） (2023-05-03T05:16:54Z) - Evaluating Digital Agriculture Recommendations with Causal Inference [0.9213852038999553]
本稿では,デジタルツールが農業成績指標に与える影響を実証的に評価するための観察因果推論フレームワークを提案する。
ケーススタディとして,数値気象予測に基づく綿の最適播種時間推薦システムの設計と実装を行った。
バックドア基準を用いて, 播種勧告が収量に与える影響を同定し, 線形回帰, マッチング, 逆確率スコア重み付け, メタラーナーを用いて推定した。
論文 参考訳（メタデータ） (2022-11-30T12:20:08Z) - Evaluating Digital Tools for Sustainable Agriculture using Causal
Inference [0.9213852038999553]
本稿では,デジタルツールが農業成績指標に与える影響を実証的に評価するための観察因果推論フレームワークを提案する。
このように、デジタル農業市場の透明性を高めることで、農家の信頼を高めることができる。
論文 参考訳（メタデータ） (2022-11-06T18:22:17Z) - Farmer-Bot: An Interactive Bot for Farmers [0.0]
我々は、過去に農家が行ったクエリのセマンティックな類似性を取得し、将来のクエリに自動的に答えることによって、NLPモデルを構築します。
WhatsAppベースのチャットボットを、RASAをツールとして利用して農家と簡単にコミュニケーションできるようにする。
論文 参考訳（メタデータ） (2022-04-07T17:52:21Z) - Farmland Parcel Delineation Using Spatio-temporal Convolutional Networks [77.63950365605845]
ファームパーセル・デライン化は、気候変動政策の開発と管理において重要なカダストラルデータを提供する。
このデータは、極端な気象災害に伴う損害後の補償を評価するための農業保険セクターにも有用である。
衛星画像の利用は、農場の区画整理作業を行うためのスケーラブルで費用対効果の高い方法である。
論文 参考訳（メタデータ） (2020-04-11T19:49:09Z) - ADW: Blockchain-enabled Small-scale Farm Digitization [2.406769835641701]
我々は、ブロックチェーンを活用してインタラクションを形式化し、小規模の農業エコシステムにおけるシームレスなデータフローを可能にする、Agribusiness Digital Wallet(ADW)と呼ばれるシステムを提案する。
本研究では,農業活動を活用して,自動的価値洞察による信頼された電場記録(EFR)を作成する能力を実証する。
論文 参考訳（メタデータ） (2020-03-15T16:15:20Z) - Agriculture-Vision: A Large Aerial Image Database for Agricultural
Pattern Analysis [110.30849704592592]
本稿では,農業パターンのセマンティックセグメンテーションのための大規模空中農地画像データセットであるGarmry-Visionを提案する。
各画像はRGBと近赤外線(NIR)チャンネルで構成され、解像度は1ピクセルあたり10cmである。
農家にとって最も重要な9種類のフィールド異常パターンに注釈を付ける。
論文 参考訳（メタデータ） (2020-01-05T20:19:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。