MétaCan
Menu
Retour à la cohorte
Enregistrement W2076310006 · doi:10.5539/jas.v5n5p6

Impact of Communal Violent Conflict on Farmer’s Livelihood Activities in Two Agro-Ecological Zones of Nigeria

2013· article· en· W2076310006 sur OpenAlexvenueno aff
K. K. Bolarinwa, P. Abdulsalam- Saghir, O. Oyekunle

Notice bibliographique

RevueJournal of Agricultural Science · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural risk and resilience
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLivelihoodRainforestGeographySocioeconomicsAgroforestryAgricultureEcologySociologyBiologyArchaeology

Résumé

récupéré en direct d'OpenAlex

In Nigeria there is hardly a year where there are no major violent conflicts. However, much has not been published on the quantitative impact of the conflicts on farmers’ livelihood the manager of crops, domesticated and wild life animals. Hence, this study tend to provide information for understanding how conflict handling styles employed by conflicting parties made most of the communal conflicts degenerate into destruction of farmers livelihood activities. Two violent communal conflicts ridden states one in rainforest and derive savannah region of Nigeria were purposively selected to reflect discrepancy in impact of the conflict on livelihood activities the means of generating livelihood in two main agro-ecological regions of Nigeria. Based on the conflict severity the two agro-ecological zones were stratified into core and outside conflict areas. Using farmers register as sampling frame work 60 and 67 farmers were randomly selected in core and outside violent conflict areas of rainforest and savannah zones respectively. Interview schedule instrument was used to collect data while frequency count, percentage t-test and ANOVA were statistical tools used for data analysis. The findings revealed that in Core Violent Conflict Area (CVCA) of rainforest and derived savannah areas 72.1% and 23.8% of the farmers were displaced from their farms respectively. Consequently tree (cocoa) crops production level were severely affected as reflected in lower ( 295) and higher mean ( 697) cocoa production level in tons recorded in CVCA and Outside Violent Conflict Areas (OVCA) respectively in rainforest areas. The severity of conflict impact was not reflected in derived savannah area because yam production level means gap in tons between CVCA ( 423.0) and OVCA ( 629) were very close. However, the savannah area felt the impact of the conflict on sheep and goat production because CVCA recorded lower mean ( 180) numbers of sheep and goats as against higher mean ( 2007) number of sheep and goat recorded in OVCA. The decline in production of sheep and goat could be attributed to conflict because majority (78.4%) of the farmers claimed that they have lost their productive land to conflict. Farmers’ means of generating livelihood activities such as crops production level, sheep and goat number produced were statistically different across conflict zones at P < 0.05 in rainforest and savannah zones. The conflict had severe impact on crops, sheep and goat production hence, a sustainable capacity building program, as a post conflict coping strategies should be organised for conflict victims.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,016
Tête enseignante GPT0,277
Écart entre enseignants0,261 · 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 source (Gemma direct ou Codex distillé), 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

Citations4
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetAgricultural risk and resilienceTravaux en français237 207