Rural Peoples’ Perception to Climate Variability/Change in Cross River State-Nigeria
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The rural people have been recognized as knowledge holders on climate variability/change and key actors for developing policies to mitigate and cope with its effects. The study attempts to assess perception level of rural people to Climate change in selected communities in Cross River State, Nigeria. Primary data were collected from 120 rural dwellers in 4 communities. This data centered on knowledge (awareness) level of climate variability/change causes, effects, mitigation and adaptive strategies. The data generated were analyzed using the descriptive statistics. Results showed 71.7% of the people are aware of climate change. They also indicated that the onset of rains is now delayed while cessation is earlier against the trend in the past. This corroborates the meteorological parameters obtained from Nigeria Meteorological Agency. The Study further indicates that, though there are natural causes, 66.7% of rural people accepted human activities as major causes of climate change/variability. The results also showed that the effects of climate in rural areas include poor crop yields (56.7% response); reduced soil fertility (66.7% response); increase flood (56.7%), poverty and food shortage (50% response). The sources of peoples’ awareness show widespread information from environmental education/sensitization by NGOs and extension workers as well as media which at the moment is lacking and limited to radio talks and jingles. It is recommended that the more awareness should be created on the effect of human activities on climate; also, indigenous knowledge system should complement global modern knowledge systems to enhance climate change mitigation.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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