MétaCan
Menu
Retour à la cohorte
Enregistrement W1697974276 · doi:10.5539/sar.v4n4p88

The Effects of Household Wealth on Adoption of Agricultural Related Climate Change Adaptation Strategies in Zambia

2015· article· en· W1697974276 sur OpenAlexvenueno aff
Elias Kuntashula, Lydia M. Chabala, Terence Chibwe, Peter Kaluba

Notice bibliographique

RevueSustainable Agriculture Research · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural risk and resilience
Établissements canadiensnon disponible
Organismes subventionnairesMichigan State University
Mots-clésEndowmentClimate changeAgricultureAdaptation (eye)Investment (military)Natural resource economicsCitizen journalismResource (disambiguation)EconomicsBusinessAgricultural economicsGeographyPolitical scienceEcology

Résumé

récupéré en direct d'OpenAlex

Despite increased emphasis targeting climate change adaptation strategies towards the poorer sections of communities, few adoption studies assess the uptake of these practices by these groups in a systematic and comprehensive manner. In this study, we used a combination of participatory rapid approaches and quantitative principal component analysis to determine each household’s wealth status, and to assess the relationship between wealth and the adoption of various agricultural related climate change adaptation strategies. Evidence from a random sample of 1231 households across six districts of Zambia showed that the more well-endowed households than their poorly endowed counter parts, adopted most of the climate change adaptation strategies. The relatively well-endowed households had a high probability of 10.6%, 9.5%, 7.1%, and 5.5% to embrace crop rotation, minimum tillage, fertiliser trees and change crop varieties due to climate change, respectively, than their poorly endowed counter parts. Most, if not all of these strategies require some level of resource investment hence only those households who could afford such resources are most likely to adopt them. The influence of household resource endowment on the uptake of several climate change adaptation strategies call for the subsidising of the relatively poor endowed households to encourage adoption of these strategies among this category of farmers.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,791
Score d'incertitude au seuil0,601

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,048
Tête enseignante GPT0,295
Écart entre enseignants0,247 · 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

Citations15
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetAgricultural risk and resilienceTravaux en français237 207